具有射频连接的多层自旋电子神经网络
摘要：自旋电子学纳米突触和纳米神经元通过丰富、可重复和可控的磁化动力学进行复杂的认知计算，具有高精确度。这些动态纳米器件可以改变人工智能硬件，并使用最先进的深度神经网络。然而，目前还没有可扩展的方式将它们连接成多层结构。在这里，我们展示了旗舰型自旋电子学纳米组件，磁隧道结，可以通过处理、传输和接收射频（RF）信号来连接成多层神经网络，在其中它们实现突触和神经元的功能。我们构建了一个由两层连接的九个磁隧道结组成的硬件自旋电子神经网络，并展示它可以以97.7\%的准确率对非线性可分离的射频输入进行分类。利用物理模拟，我们证明了一个大型的纳米级结网可以实现无需数字化的无人机射频识别，仅消耗几毫瓦，相较于目前使用的技术功耗减少了四个数量级以上。这项研究为深度、动态、自旋电子神经网络奠定了基础。
作者：Andrew Ross, Nathan Leroux, Arnaud de Riz, Danijela Markovi''c, D''edalo Sanz-Hern''andez, Juan Trastoy, Paolo Bortolotti, Damien Querlioz, Leandro Martins, Luana Benetti, Marcel S. Claro, Pedro Anacleto, Alejandro Schulman, Thierry Taris, Jean-Baptiste Begueret, Sylvain Sa"ighi, Alex S. Jenkins, Ricardo Ferreira, Adrien F. Vincent, Alice Mizrahi and Julie Grollier
论文ID：2211.03659
分类：Emerging Technologies
分类简称：cs.ET
提交时间：2022-11-08