混合光电激励自旋传输扭转纳米振荡器用于高级计算

神经形态计算灵感来自大脑的并行和高效处理，提供了一种变革性的的人工智能方法。在本研究中，我们制造了优化的自旋传输扭转纳米振荡器 (STNO)，并使用结合 AC 激光照射和 DC 偏置电流的混合激励方案来研究其动态行为。激光引起的热力学梯度通过隧道磁色散效应 (TMS) 产生脉冲热电电压 ($V_{\text{AC}}$)，而偏置电流的加入会增强这一响应，产生 $V_{\text{AC}}$ 和一个 DC 分量 ($V_{\text{DC}}$)。磁场扫描揭示了平行 (P) 和反平行 (AP) 磁化状态在两个电压分量中的明显切换，支持多状态存储应用。在开路条件下，毫伏级热电压信号表明与 CMOS 兼容，使简化、可扩展的神经形态系统成为可能。在偏置条件下，增强的热电压输出表现出与巴克豪斯森跳跃相关的尖峰以及双切换行为，为磁化动力学和涡旋转变提供了洞见。这些特征类似于神经放电行为，表明其在脉冲神经网络、滞后计算、多状态逻辑、模拟计算和高分辨率传感等应用前景广阔。通过将自旋电子现象与实际应用相结合，本工作为下一代人工智能技术和自适应计算架构提供了一个多功能平台。