【儀表網 研發快訊】隨著人工智能技術的發展，對高效硬件的需求日益增加，自旋器件憑借其非易失性、低功耗和高集成度的特點，在加速神經網絡計算方面展現出顯著優勢。當前，自旋器件正逐漸成為新型人工智能硬件研究的熱點之一。
 

　　近日，上海科技大學信息科學與技術學院后摩爾中心(PMICC)寇煦豐、祝智峰團隊，利用分子束外延技術設計制備了基于2英寸磁性拓撲異質結Bi2Te3/CrTe2薄膜，實現了能同時具備類腦突觸和神經元功能的自旋軌道矩器件陣列(spin-orbit torque device array)，并集成了批量歸一化算法和可訓練激活函數，相關研究成果以“Integrated Artificial Neural Network with Trainable Activation Function Enabled by Topological Insulator-based Spin-Orbit Torque Devices”為題在線發表于知名學術期刊ACS Nano。
 

　　在前期工作中，研究人員基于Bi2Te3/CrTe2薄膜實現了低功耗的自旋軌道矩(SOT)驅動的磁化翻轉。在此基礎上，團隊通過自旋軌道矩對磁疇的精確調控，實現了霍爾電阻的多阻態現象，展現出高線性度和高對稱性的長時程增強/抑制(LTP/LTD)過程，實現了類腦突觸器件的功能。此外，SOT 磁化翻轉過程中，霍爾電阻與驅動電流天然符合 Sigmoid 函數的特性，可用于實現神經網絡中的Sigmoid激活函數。基于這一特性，研究人員提出了一種串聯連接的電壓感知人工神經網絡(ANN)架構。該架構不僅增強了矩陣-向量乘積信號的強度，還實現了低至 0.61% 的讀出誤差，簡化了外圍電路設計。更重要的是，研究發現，不同電阻態下的 Sigmoid 函數模塊具備可調節系數，賦予其可訓練的激活函數特性。這一特性允許集成 ANN 中的批量歸一化算法，從而有效簡化系統架構并顯著提升網絡性能。這一研究成果為基于拓撲絕緣體材料的神經網絡應用提供了一種集成化、軟硬件協同優化的新型解決方案。
 

　　上海科技大學是該成果的第一完成單位，信息學院后摩爾中心寇煦豐課題組2021級碩士研究生黃浦陽、2019級博士研究生劉馨琪和2020級碩士研究生辛玥為論文共同第一作者，寇煦豐教授和祝智峰教授為共同通訊作者。
 

　　圖1|基于Bi2Te3/CrTe2的類腦突觸(SOT-S)和神經元(SOT-N)器件。
 

圖2|基于SOT-S和SOT-N器件且具有可調激活函數的ANN架構。