来源：人工智能学家

来源：ScienceAI

编辑：萝卜皮

大型自旋霍尔纳米振荡器（SHNO）阵列的同步，是实现超快非常规计算的一种有吸引力的方法。然而，与阵列接口、调整其单个振荡器和提供内置存储器单元仍然存在巨大的难题。

瑞典哥德堡大学和日本东北大学的研究人员，使用基于 W/CoFeB/MgO/AlOx 的 SHNO 的忆阻门控来解决这些难题。

在其高电阻状态下，忆阻器通过施加的电场调制 CoFeB/MgO 界面处的垂直磁各向异性。在其低电阻状态下，忆阻器增加或减少 SHNO 驱动器的电流。电场和电流控制都会影响 SHNO 自振荡模式和频率，从而可以可逆地打开/关闭四个 SHNO 链中的相互同步。

该研究还证明了两个单独控制的忆阻器可用于将四 SHNO 链调整为不同的同步状态。忆阻器门控是输入、调整和存储非常规计算模型的 SHNO 阵列状态的有效方法。

该研究以「Memristive control of mutual spin Hall nano-oscillator synchronization for neuromorphic computing」为题，于 2021 年 11 月 29 日发布在《Nature Materials》。

近年来，计算机已经能够处理高级认知任务，例如语言和图像识别或展示超人的国际象棋技能，这在很大程度上要归功于人工智能 (AI)。同时，人类大脑在高效执行任务和高效能源方面的能力仍然是无与伦比的。

「几十年来，寻找执行类似于大脑节能过程的计算的新方法一直是研究的主要目标。认知任务，如图像和语音识别，需要强大的计算机能力，而移动应用程序，尤其是手机， 无人机和卫星需要节能的解决方案。」哥德堡大学应用自旋电子学教授 Johan Åkerman 说。

Åkerman 将振荡器描述为可以执行计算并且与人类神经细胞相当的振荡电路。忆阻器是可编程电阻器，也可以执行计算并具有集成存储器。这使它们可以与存储单元相媲美。将两者结合是研究人员的一项重大进步。

「这是一个重要的突破，因为我们认为可以在同一组件中将记忆功能与计算功能结合起来。这些组件更像是大脑的节能神经网络，使它们成为未来的重要组成部分。这是更像大脑的电脑。」

Johan Åkerman 表示，这一发现将在许多领域实现更快、更易于使用且能耗更低的技术。他认为，研究团队在极小的占地面积内成功生产了这些组件是一个巨大的优势：数百个组件可以放入一个相当于单个细菌的区域。这在手机等小型应用设备中尤为重要。

他指出，类脑节能计算还可能推进自动驾驶汽车和无人机等领域的进步与发展。

论文链接：

https://www.nature.com/articles/s41563-021-01153-6

相关报道：

https://techxplore.com/news/2021-11-discovery-brain-like.html