中科院微电子所在全自旋神经形态计算硬件研制及电路实现方面取得进展

神经形态计算因其在AI和大数据分析中的巨大应用潜力, 在全球范围内引起了广泛关注。为克服传统CMOS晶体管技术局限，科研人员长期致力于探索基于新型非易失性存储器（NVMs）和自旋电子器件的硬件实现方案。目前，已有多种类型的NVMs被用于实现神经网络中各种运算并显示出广阔前景，其中自旋电子器件凭借自身丰富和可控的自旋动力学特性, 被认为是实现模拟突触和神经元功能的理想候选之一。

近日, 中科院微电子所重点实验室刘明院士/邢国忠研究员团队基于全电控磁畴壁（DW）动力学特性，成功开发了磁畴壁隧道结（DW-MTJ）器件且实现线性权重更新和非线性激活函数功能，首次实验演示并验证了DW-MTJ集成器件实现全自旋人工突触和神经元功能, 为高度可扩展的集成神经形态电路奠定了基础。团队利用自旋-轨道耦合和界面 Dzyaloshinskii-Moriya interaction协同效应, 实现了可编程的多态突触器件且具有高可靠性。第一性原理计算表明, 5d 和 3d 原子间距可控压缩增强了 Dzyaloshinskii-Moriya 反对称相互作用, 从而稳定了磁畴壁钉扎，实验结果验证了该机制的有效性。基于自旋-轨道矩对磁畴壁的高效驱动和可靠钉扎，团队展示了具有 Sigmoid 型激活函数的自旋神经元, 最高工作频率达 20 MHz，能耗仅为508 fJ/spike。紧凑Sigmoid 型神经元电路设计实现了低功耗运行。该工作充分展示了DW-MTJ自旋电子器件在神经形态计算应用中的巨大潜力，为实现高能效、高可靠且可扩展的神经网络架构提供了硬件开发的新路径。

该工作得到了国家重点研发计划、国家自然科学基金委、中国科学院战略先导B等项目支持。研究成果以“Domain wall magnetic tunnel junction-based artificial synapses and neurons for all-spin neuromorphic hardware”为题在《自然•通讯》期刊在线发表，同时被选为"Editors' Highlight Featured Article"--"编辑高亮特色工作" 。这是继本课题组2023年实现微电子所在自旋电子器件研究领域Nature子刊零的突破后，又一次发表高质量工作成果。微电子所博士研究生刘龙为文章第一作者，微电子所邢国忠研究员、刘明院士为共同通讯作者。

    全文链接：https://www.nature.com/articles/s41467-024-48631-4

开发的DW-MTJ全自旋神经元和神经形态计算电路仿真及硬件实验验证

DW-MTJ基全自旋神经形态计算硬件研制及电路实现演示