基于几何钉扎的磁畴壁器件二极管特性及其在神经形态计算中的应用
介观与纳米尺度物理
2022-10-05 v1
摘要
神经形态计算（NC）被视为实现高能效人工智能（AI）的潜在途径。为实现NC，多种材料体系正被研究。其中，自旋轨道转矩（SOT）驱动的畴壁（DW）器件是潜在候选之一。为将这些器件实现为NC的构建模块——神经元与突触，研究者提出了不同器件设计。然而，基于DW器件的NC实验实现仅处于原始阶段。本研究中，我们提出并研究了基于弹性DW上Laplace力的松树形DW器件，以实现突触功能。当DW由SOT电流驱动时，我们成功观测到多重磁化态。关键观测是器件在DW沿两相反方向运动（定义为xhard与xeasy）时具有非对称钉扎强度。这表明这些DW器件作为DW二极管的潜力。我们使用微磁模拟理解实验发现，并估算不同设计参数下的Laplace压强。该研究指明了器件制备的路径，其中突触特性由非对称钉扎势实现。
引用
@article{arxiv.2210.01385,
title = {Diode Like Attributes in Magnetic Domain Wall Devices via Geometrical Pinning for Neuromorphic Computing},
author = {Rahaman Hasibur and Durgesh Kumar and Chung Hong Jing and Maddu Ramu and Lim Sze Ter and Tianli Jin and S. N. Piramanayagam},
journal= {arXiv preprint arXiv:2210.01385},
year = {2022}
}