基于磁场门控和电流控制的自旋电子忆阻晶体管神经元的脉冲神经网络
应用物理
2024-02-07 v1 介观与纳米尺度物理
摘要
自旋电子器件，如畴壁和斯格明子，在节能数据存储和超越CMOS计算架构方面展现出巨大潜力。近年来，脉冲神经网络显示出更强的生物合理性。基于磁性多层膜自旋电子器件，我们展示了用于脉冲神经网络应用的磁场门控泄漏积分点火神经元特性。LIF特性由驱动畴壁的电流脉冲控制，外部磁场用作偏置来调节神经元的点火特性。因此，该器件像一个门控LIF神经元，起到自旋电子忆阻晶体管器件的作用。我们基于测量特性开发了一个LIF神经元模型，以展示该器件在系统级SNN中的集成。我们扩展了研究，提出了一种缩放版本的器件，采用多层自旋电子畴壁磁隧道结作为LIF神经元。通过结合自旋轨道转矩和薄膜上退磁能的变化，在所提出的器件中实现了改进的泄漏积分点火LIF神经元特性。神经元器件特性被建模为改进的LIF神经元模型。最后，我们将测量和模拟的神经元模型集成到三层脉冲神经网络和卷积脉冲神经网络CSNN框架中，以测试这些脉冲神经元模型在MNIST和FMNIST数据集上的分类性能。在两种架构中，网络均实现了超过96%的分类准确率。考虑到良好的系统级性能、忆阻晶体管特性和可扩展性前景，所提出的器件在神经形态计算应用中展现出优异的特性。
引用
@article{arxiv.2402.03767,
title = {Magnetic Field Gated and Current Controlled Spintronic Mem-transistor Neuron -based Spiking Neural Networks},
author = {Aijaz H. Lone and Meng Tang and Daniel N. Rahimi and Xuecui Zou and Dongxing Zheng and Hossein Fariborzi and Xixiang Zhang and Gianluca Setti},
journal= {arXiv preprint arXiv:2402.03767},
year = {2024}
}
备注
33 pages, 10 figures