Synaptic Multi-Weight Wafer-Scale Domain Wall Magnetic Tunnel Junctions Driven by Spin Orbit Torque
本研究展示了一种可扩展的晶圆级方法，用于构建基于自旋轨道转矩驱动磁隧道结的多权重自旋电子突触器件，该方法通过畴壁操控实现了多达八个不同的电阻状态，为应对器件变异性带来的挑战并迈向高精度神经形态系统提供了一条路径。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
现代计算机在识别面部或翻译语言等任务上变得异常强大，但它们是通过消耗大量电力来实现的。这是因为传统计算机将存储器和计算部分分开存放，迫使数据不断地来回传输，从而浪费了能量。为了解决这个问题，科学家们正在构建一种模仿人类大脑的新型硬件，在这种硬件中，记忆和计算发生在同一个微小的点上。这些被称为“突触”的人工脑细胞需要能够持有多种不同的数值，而不仅仅是简单的开或关，才能高效工作。多年来，一种被称为磁阻式随机存取存储器（MRAM）的有前途的存储类型一直过于简单，无法胜任这项工作，通常只能处于两种状态。然而，一组研究人员现在发现了一种方法，可以诱导这些磁性器件同时持有多个数值，为开发更节能的计算机开辟了一条道路。
这群在德克萨斯大学奥斯汀分校和比利时IMEC研究中心工作的研究人员，专注于一种被称为磁隧道结（MTJ）的特定磁性存储器件。想象一个由磁层和中间一层薄绝缘层组成的微型三明治。在标准版本的这种器件中，磁层可以指向两个方向之一，代表零或一。该团队希望看看他们是否能让这些器件持有除这两个极端之外的更多数值。为此，他们在一块如餐盘大小的标准工业制造硅晶圆上制造了大批量此类器件。他们制造了长而窄的器件，其长度大约是宽度的五倍，同时保留了一组完美的圆形器件作为对照组。
当团队测试这些长而窄的器件时，他们发现了意想不到的结果。通过施加磁场并向器件发送电脉冲，他们可以迫使磁层稳定在各种不同的位置，而不只是在两个极端端之间。在表现最好的长形器件中，他们成功地将电阻调节到了八个不同的等级。这意味着单个器件可以同时代表三个比特的信息，而不仅仅是一个。然而，圆形的对照器件仍然顽固地保持着二进制特性，仅在两个状态之间切换。解锁这些额外等级的关键在于器件的形状以及电流流过的路径。长形结构导致电势在器件内部发生变化，产生了一种轻微的不平衡，使得磁壁得以形成并卡在中间，从而创造了那些额外的电阻等级。
为了准确理解这是如何发生的，团队运行了详细的计算机模拟，模拟了微小结构内的电流流动和磁场行为。这些模拟证实，额外的等级是由磁畴壁（磁方向发生变化的边界）被不均匀的电流流向所钉扎而产生的。研究人员还检查了来自附近层的杂散磁场是否是原因，但他们的模拟显示，这些磁场太弱且太局部化，不足以成为主要驱动力。相反，证据指向了由长形器件特有的几何形状所创造的特定电学条件，这才是多级行为的主要原因。
团队随后通过模拟一个用于识别手写数字（人工智能的标准测试）的神经网络，测试了这些新型多级器件在现实场景中的实用性。他们使用从实际器件中测得的电阻等级对网络进行编程。当他们假设芯片上的每个器件都能完美工作并达到所有八个等级时，系统的准确率达到了96.1%，非常接近完美数字计算机的表现。然而，当他们计入制造过程中单个器件之间存在的自然差异时，准确率下降到了48.6%。这一差距凸显了虽然这项技术可行，但器件需要变得更加一致才能真正可靠。
这项工作表明，只需改变形状和驱动方式，就可以将标准的磁性存储芯片转变为多级人工突触。研究人员展示了通过拉长这些器件，他们可以打破通常的二进制限制，并访问一个电阻状态的光谱。虽然器件之间仍表现出一些差异，但通过逐步过程将其编程为特定状态的能力表明，它们是可以像生物大脑一样进行训练的。这些发现为构建可扩展、高能效的类脑计算系统提供了一条清晰的路径，这些系统有朝一日可以运行复杂的智能任务，而无需承担当今计算机巨大的能源成本。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。