隨著大數(shù)據(jù)的出現(xiàn)，當前的計算架構(gòu)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(jīng)形態(tài)計算成為一個有前途的替代方案。

神經(jīng)形態(tài)計算是一種受大腦啟發(fā)的新計算范式，它通過使用人工神經(jīng)網(wǎng)絡再現(xiàn)生物突觸的活動。這種設備作為開關系統(tǒng)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(shù)用于此目的的系統(tǒng)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(qū)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(shù)據(jù)存儲更加節(jié)能。

盡管熱耗散隨著離子遷移效應而減少，但對于工業(yè)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(tài)。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(jié)構(gòu)已經(jīng)包含要傳輸?shù)碾x子。這種磁離子靶可以經(jīng)歷從非鐵磁(關閉)狀態(tài)到鐵磁(打開)狀態(tài)的完全可逆轉(zhuǎn)變，反之亦然。

鑒于它們的晶體結(jié)構(gòu)，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(diào)查了厚度對產(chǎn)生的磁離子行為的作用，發(fā)現(xiàn)薄膜越薄，磁化產(chǎn)生的速度就越快。

由于在這項工作中實現(xiàn)的運行速度與用于神經(jīng)形態(tài)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(jīng)形態(tài)能力有關的效果，結(jié)果提供了證據(jù)，證明磁離子系統(tǒng)可以模擬"學習"和"遺忘"功能。

除了神經(jīng)形態(tài)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(jié)果中受益。將磁存儲器與高能效的磁離子技術相結(jié)合，可能是降低下一代數(shù)據(jù)存儲介質(zhì)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(fā)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(fā)表在《Nanoscale》上。

關鍵詞： 科學家用磁離子系統(tǒng) 模擬大腦 學習過程 磁離子系統(tǒng)