随机自旋轨道力器件作为脉冲神经网络的STDP突触
摘要：使用非冯·诺伊曼架构的神经形态硬件比传统计算机具有更好的能效和并行性。本文中，通过数值建模自旋轨道力矩（SOT）器件，利用电流诱导的SOT和焦耳加热效应，获取其磁化转换概率作为输入电流脉冲的函数，并将其用于模仿实际脑部工作的脉冲时序相关可塑性学习行为。我们进一步证明，通过这种SOT器件构建的人工脉冲神经网络（SNN）可以以80％的准确率进行无监督手写数字识别和逻辑操作学习。我们的工作为高能效和非易失性自旋电子学纳米器件实现基于SNN的神经形态硬件提供了新的线索。
作者：Haotian Li, Liyuan Li, Kaiyuan Zhou, Chunjie Yan, Zhenyu Gao, Zishuang Li, Ronghua Liu
论文ID：2304.08856
分类：Applied Physics
分类简称：physics.app-ph
提交时间：2023-04-19