面向神经形态应用的基于斯格明子的漏积分发放神经元
材料科学
2022-05-31 v1 新兴技术
摘要
自旋电子学是一项用于数据存储与计算的重要新兴技术。在该领域中，基于磁性斯格明子（skyrmion）的器件因其小尺寸与低能耗而颇具吸引力。然而，控制斯格明子的产生、消除与运动具有挑战性。在此，我们提出一种新型高能效的基于斯格明子的器件结构，并展示其作为用于神经形态计算的漏积分（LIF）与发放神经元的应用。我们表明，斯格明子可通过在磁性隧道结（MTJ）的自由层上图案化几何形状而被限域，并证明斯格明子的大小可通过施加脉冲电压应力来调节。由此类基于斯格明子的 LIF 神经元构成的脉冲神经网络（SNN）展现出对来自 Modified National Institute of Standards and Technology（MNIST）数据集的图像进行分类的能力。
引用
@article{arxiv.2205.14913,
title = {Skyrmion-based Leaky Integrate and Fire Neurons for Neuromorphic Applications},
author = {Aijaz H. Lone and Selma Amara and Fernando Aguirre and Mario Lanza and H. Fariborzi},
journal= {arXiv preprint arXiv:2205.14913},
year = {2022}
}
备注
Under review in Applied Physics Letters