大腦如何進行學習？科學家用磁離子系統模擬大腦學習過程

隨著大數據的出現，當前的計算架構逐漸不能滿足需求。減小晶體管尺寸的困難、功耗大以及有限的運行速度，使得神經形態計算成為一個有前途的替代方案。

神經形態計算是一種受大腦啟發的新計算范式，它通過使用人工神經網絡再現生物突觸的活動。這種設備作為開關系統工作，因此ON（開）的位置對應于信息保留或“學習”，而OFF（關）的位置對應于信息刪除或“忘記”。

近日，一個科學家團隊探索了使用新的先進材料裝置模擬人工突觸的方法。到目前為止，大多數用于此目的的系統最終都是由電流控制的，這涉及到因散熱而造成的大量能量損失。而這次，研究人員使用磁離子學，即通過電壓驅動的離子遷移對材料的磁性進行非易失性控制，從而大大降低功耗并使數據存儲更加節能。

盡管熱耗散隨著離子遷移效應而減少，但對于工業應用而言，室溫下氧的磁離子運動通常很慢，需要幾秒鐘甚至幾分鐘來切換磁性狀態。為了解決這個問題，該團隊研究了目標材料的使用，其晶體結構已經包含要傳輸的離子。這種磁離子靶可以經歷從非鐵磁（關閉）狀態到鐵磁（打開）狀態的完全可逆轉變，反之亦然。

鑒于它們的晶體結構，氧化鈷是制造薄膜的選定材料，厚度從5nm到230nm不等。研究人員調查了厚度對產生的磁離子行為的作用，發現薄膜越薄，磁化產生的速度就越快。

由于在這項工作中實現的運行速度與用于神經形態計算的運行速度相似，因此進一步研究了最薄的氧化鈷薄膜。特別是，誘導了與學習神經形態能力有關的效果，結果提供了證據，證明磁離子系統可以模擬"學習"和"遺忘"功能。

除了神經形態計算，其他實際應用，如磁存儲器和自旋電子學也將從這項研究的結果中受益。將磁存儲器與高能效的磁離子技術相結合，可能是降低下一代數據存儲介質運行能量的一種可能方式，而控制反鐵磁層的磁離子機制目前是開發自旋電子器件有希望的候選者。

題為Dynamic electric-field-induced magnetic effects in cobalt oxide thin films: towards magneto-ionic synapses的相關研究論文發表在《Nanoscale》上。

前瞻經濟學人APP資訊組

論文原文：

https://pubs.rsc.org/en/content/articlelanding/2022/NR/D1NR06210G

標簽：