基于自旋波指纹识别的人工自旋-涡旋冰可重构训练与储备池计算
介观与纳米尺度物理
2022-09-13 v3 材料科学
摘要
强相互作用人工自旋系统正超越对天然材料的模仿，崭露为从可重构磁子学到神经形态计算的通用功能平台。典型人工自旋系统由具有单一磁化纹理的纳米磁体构成：共线宏自旋或手性涡旋。通过调节纳米阵列尺寸，我们实现了宏自旋/涡旋双稳态，并展示了四态超材料自旋系统“人工自旋-涡旋冰”（ASVI）。ASVI 可承载具有强冰状顶点相互作用的类伊辛宏自旋，以及具有低杂散偶极场的弱耦合涡旋。涡旋与宏自旋展现出迥异的自旋波谱，具有模拟式模式幅度控制及 df = 3.8 GHz 的模式频率偏移。增强的双纹理微态空间催生出涌现的物理记忆现象，在经全局场循环驱动时呈现棘轮式涡旋训练与历史依赖的非线性衰减记忆。我们采用自旋波微态指纹识别对涡旋与宏自旋群体进行快速、可扩展读出，并借此实现自旋波储备计算。ASVI 可对多样输入信号执行线性与非线性映射变换，以及混沌时间序列预测。机器学习的能耗正以不可持续之势攀升，开发如 ASVI 这类低能耗神经形态计算硬件对实现零碳计算未来至关重要。
引用
@article{arxiv.2107.08941,
title = {Reconfigurable Training and Reservoir Computing in an Artificial Spin-Vortex Ice via Spin-Wave Fingerprinting},
author = {Jack C. Gartside and Kilian D. Stenning and Alex Vanstone and Troy Dion and Holly H. Holder and Daan M. Arroo and Francesco Caravelli and Hidekazu Kurebayashi and Will R. Branford},
journal= {arXiv preprint arXiv:2107.08941},
year = {2022}
}