【儀表網(wǎng) 研發(fā)快訊】隨著人工智能技術(shù)的發(fā)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(jīng)網(wǎng)絡計算方面展現(xiàn)出顯著優(yōu)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?？萍即髮W信息科學與技術(shù)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(shù)設計制備了基于2英寸磁性拓撲異質(zhì)結(jié)Bi2Te3/CrTe2薄膜，實現(xiàn)了能同時具備類腦突觸和神經(jīng)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(shù)，相關(guān)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(fā)表于知名學術(shù)期刊ACS Nano。
 

　　在前期工作中，研究人員基于Bi2Te3/CrTe2薄膜實現(xiàn)了低功耗的自旋軌道矩(SOT)驅(qū)動的磁化翻轉(zhuǎn)。在此基礎上，團隊通過自旋軌道矩對磁疇的精確調(diào)控，實現(xiàn)了霍爾電阻的多阻態(tài)現(xiàn)象，展現(xiàn)出高線性度和高對稱性的長時程增強/抑制(LTP/LTD)過程，實現(xiàn)了類腦突觸器件的功能。此外，SOT 磁化翻轉(zhuǎn)過程中，霍爾電阻與驅(qū)動電流天然符合 Sigmoid 函數(shù)的特性，可用于實現(xiàn)神經(jīng)網(wǎng)絡中的Sigmoid激活函數(shù)。基于這一特性，研究人員提出了一種串聯(lián)連接的電壓感知人工神經(jīng)網(wǎng)絡(ANN)架構(gòu)。該架構(gòu)不僅增強了矩陣-向量乘積信號的強度，還實現(xiàn)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(fā)現(xiàn)，不同電阻態(tài)下的 Sigmoid 函數(shù)模塊具備可調(diào)節(jié)系數(shù)，賦予其可訓練的激活函數(shù)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(tǒng)架構(gòu)并顯著提升網(wǎng)絡性能。這一研究成果為基于拓撲絕緣體材料的神經(jīng)網(wǎng)絡應用提供了一種集成化、軟硬件協(xié)同優(yōu)化的新型解決方案。
 

　　上?？萍即髮W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(jīng)元(SOT-N)器件。
 

圖2|基于SOT-S和SOT-N器件且具有可調(diào)激活函數(shù)的ANN架構(gòu)。