在亚铁磁体中工程化并利用自驱动畴壁运动以实现神经形态计算应用

磁畴壁运动作为一种物理机制，能够实现高能效的下一代类脑计算架构，近来引起了人们的极大兴趣。然而，在标准材料系统中实现神经形态计算所需的所有行为仍然是一个重大挑战，因为这些功能通常依赖于相互竞争的相互作用。在这里，我们展示了如何利用过渡金属-稀土亚铁磁体中响应于局部工程化横向交换耦合的自发畴壁运动，在复杂性最低的器件中实现众多神经形态计算功能。通过实验和微磁学模拟，我们展示了如何通过调节特征尺寸、材料成分和手性相互作用强度来控制自驱动畴壁运动的速度。当与自旋轨道矩集成时，这种控制产生了对神经形态计算至关重要的行为，包括人工神经元电位的泄漏积分和被动复位。这些结果将局部工程化的亚铁磁体确立为一个可调谐、可扩展且直接的平台，用于基于畴壁的计算架构。