基于域壁突触器件和纳米收缩自旋角谱振荡器的人工神经网络（ANN）—振荡神经网络（ONN）混合系统
应用物理
2026-02-24 v1 介观与纳米尺度物理
摘要
已将耦合自旋电子器件阵列视为神经形态计算的有力选择。实验报告表明，纳米收缩几何结构是一个相对容易实现的平台，用于实现此类自旋振荡器，但大多数关于使用自旋振荡器进行神经形态计算训练和推理算法的报告都主要局限于纳米柱几何结构。此外，这些先前报告涉及更新振荡器的固有频率值，并将同步区域移动到数据簇上进行离线学习，这具有相应的挑战。在此背景下，我们设计并模拟了一个新型的人工神经网络（ANN）—振荡神经网络（ONN）算法，其中在离线学习阶段，更新 ANN 的权重参数，使得数据簇被移动到自旋角谱纳米振荡器（SHNOs）在纳米收缩几何结构中的同步区域（通过微磁模拟获得）。我们进一步模拟了 ANN-ONN 算法的芯片端推理部分，其中 ANN 在由域壁突触器件实现的交叉栏阵列上实现（通过微磁模拟实现），而 ONN 在纳米收缩 SHNOs 上实现。我们展示了成功对二分类和多分类任务进行数据分类，以证明我们提出方案的通用性。
引用
@article{arxiv.2602.19226,
title = {Artificial Neural Network (ANN) -- Oscillatory Neural Network (ONN) Hybrid System Using Domain-Wall Synapse Devices and Nano-Constriction Spin Hall Nano Oscillators},
author = {Raman Hissariya and Gajjala Venkata Sreekar Reddy and Ashwin Tulapurkar and Debanjan Bhowmik},
journal= {arXiv preprint arXiv:2602.19226},
year = {2026}
}
备注
9 figures and 5 tables in main manuscript (24 pages), 3 figures in supplementary material (3 pages)