使用非易失性突触模拟模式识别：MRAM、铁电体与磁性斯格明子

本项目通过全面的基于仿真的方法，探索了非易失性突触在神经形态计算模式识别任务中的应用。主要方法是通过自旋电子突触，利用电子的自旋特性实现高效的数据处理和存储。这为需要持续充电以防止数据泄漏的传统电子突触提供了一种有前景的替代方案。目标是开发并仿真一个包含自旋电子突触的神经网络模型，检验其执行复杂模式识别任务（如图像和声音分类）的潜力。通过构建仿真环境，我们将复现各种模型，包括基于自旋转移矩的 MRAM、基于电压控制磁各向异性的 MRAM、铁电场效应晶体管以及用于突触器件的基于斯格明子的纳米轨道，以评估它们的性能并比较不同非易失性实现的结果。研究结果将突显自旋电子突触在创建低功耗、高性能神经形态硬件方面的有效性，为其在未来节能人工智能系统中的应用提供有价值的见解。