具有射频连接的多层自旋电子神经网络
新兴技术
2022-11-08 v1
摘要
自旋电子纳米突触与纳米神经元凭借其丰富、可复现且可控的磁化动力学，以高精度执行复杂认知计算。这些动力学纳米器件若能实现最先进的深度神经网络，将变革人工智能硬件。然而，目前尚无可扩展的方式将其连接成多层结构。在此我们展示，自旋电子学的标志性纳米组件——磁隧道结，可被连接成多层神经网络，凭借其磁化动力学同时实现突触与神经元功能，并通过处理、传输和接收射频（RF）信号进行通信。我们构建了一个由九个磁隧道结两层连接而成的硬件自旋电子神经网络，并展示其以 97.7% 的准确率对非线性可分的射频输入进行原生分类。利用物理仿真，我们证明大型纳米结网络能够在不进行数字化的情况下实现最先进的无人机射频发射识别，且仅消耗几毫瓦功率，相较现有技术功耗降低四个数量级以上。本研究为深度、动力学自旋电子神经网络奠定了基础。
引用
@article{arxiv.2211.03659,
title = {Multilayer spintronic neural networks with radio-frequency connections},
author = {Andrew Ross and Nathan Leroux and Arnaud de Riz and Danijela Marković and Dédalo Sanz-Hernández and Juan Trastoy and Paolo Bortolotti and Damien Querlioz and Leandro Martins and Luana Benetti and Marcel S. Claro and Pedro Anacleto and Alejandro Schulman and Thierry Taris and Jean-Baptiste Begueret and Sylvain Saïghi and Alex S. Jenkins and Ricardo Ferreira and Adrien F. Vincent and Alice Mizrahi and Julie Grollier},
journal= {arXiv preprint arXiv:2211.03659},
year = {2022}
}