基于双层斯格明子的脉冲神经网络神经元与突触设计
介观与纳米尺度物理
2023-02-27 v3
摘要
磁斯格明子技术因其小尺寸、非易失性和低脱钉电流密度，在下一代基于自旋电子学的存储与神经形态计算中极具前景。然而，源于斯格明子霍尔效应的马格努斯力使斯格明子沿曲线路径运动，可能导致其在电流驱动运动中于纳米轨道内湮灭。因此，利用斯格明子运动的电路需被设计以限制斯格明子霍尔效应的影响。在本工作中，我们提出一种由两层反铁磁交换耦合铁磁层构成的双层器件的人工神经元与突触设计，其通过抵消马格努斯力实现对斯格明子霍尔效应的鲁棒性。利用微磁模拟，我们表明该双层器件可通过修改其单轴各向异性充当人工神经元及突触。我们还证明所提出的斯格明子突触具有完美线性且对称的权重更新固有特性，这是突触操作所高度期望的。使用我们所提突触与神经元实现的脉冲神经网络经模拟在MNIST手写数字数据集分类上达到了96.23%的准确率。
引用
@article{arxiv.2203.02171,
title = {Bilayer-skyrmion-based design of neuron and synapse for spiking neural network},
author = {Debasis Das and Yunuo Cen and Jianze Wang and Xuanyao Fong},
journal= {arXiv preprint arXiv:2203.02171},
year = {2023}
}