具有混合突触可塑性的斯格明子-磁性隧道结突触用于神经形态计算
材料科学
2023-01-11 v1 新兴技术
摘要
基于磁性斯格明子的数据存储与非传统计算器件因其拓扑保护、小尺寸和低驱动电流而受到越来越多的关注。然而，斯格明子的产生、消除与运动仍在研究中。在本研究中，我们提出一种具有长时程与短时程可塑性（LTP 与 STP）（混合突触可塑性）的基于斯格明子的神经形态磁性隧道结（MTJ）器件。我们展示了可塑性可由磁场、自旋轨道矩（SOT）和电压控制磁各向异性（VCMA）翻转机制控制。LTP 依赖于斯格明子密度并由 SOT 与磁场操控，而 STP 由 VCMA 控制。该器件的 LTP 特性被用于静态图像识别。通过引入 STP 特征，该器件获得了额外的时序滤波能力并能适应动态环境。斯格明子被保存并限域于纳米轨道中以最小化斯格明子成核能量。该突触器件被训练与测试以模拟深度神经网络。我们观察到当斯格明子密度增加时，推理精度提高：系统在最高密度下达到 90% 的精度。我们进一步展示了所提器件的动态环境学习与推理能力。
引用
@article{arxiv.2205.14915,
title = {Skyrmion-Magnetic Tunnel Junction Synapse with Mixed Synaptic Plasticity for Neuromorphic Computing},
author = {Aijaz H. Lone and Arnab Ganguly and Selma Amara and Gobind Das and H. Fariborzi},
journal= {arXiv preprint arXiv:2205.14915},
year = {2023}
}
备注
Submitted to Physical Review Applied