基于磁性拓扑绝缘体的低温存内计算
介观与纳米尺度物理
2025-06-04 v2 新兴技术
应用物理
摘要
机器学习算法已被证明对量子纠错和量子控制等核心量子计算任务有效。在低温下高效硬件实现这些算法至关重要。在此,我们利用磁性拓扑绝缘体作为忆阻器(称为磁性拓扑忆阻器),并提出了一种基于手性边缘态与拓扑表面态共存的低温存内计算方案。巨反常霍尔效应的忆阻开关与读取展现出高能效、高稳定性和低随机性。我们使用四个磁性拓扑忆阻器在概念验证分类任务中实现了高精度。此外,我们对大规模神经网络的算法级与电路级仿真表明,相较于现有磁性忆阻器和 CMOS 技术,在图像识别与量子态制备方面具有软件级精度且能耗更低。我们的结果不仅展示了手性边缘态的新应用,也可能启发进一步基于拓扑量子物理的新型计算方案。
引用
@article{arxiv.2209.09443,
title = {Cryogenic in-memory computing using magnetic topological insulators},
author = {Yuting Liu and Albert Lee and Kun Qian and Peng Zhang and Zhihua Xiao and Haoran He and Zheyu Ren and Shun Kong Cheung and Ruizi Liu and Yaoyin Li and Xu Zhang and Zichao Ma and Jianyuan Zhao and Weiwei Zhao and Guoqiang Yu and Xin Wang and Junwei Liu and Zhongrui Wang and Kang L. Wang and Qiming Shao},
journal= {arXiv preprint arXiv:2209.09443},
year = {2025}
}
备注
56 pages, 23 figures, 5 tables, accepted version; we have corrected the upper panel in Fig. 3c of the published version