神經形態計算因其在AI和大數據分析中的巨大應用潛力, 在全球范圍內引起了廣泛關注。為克服傳統CMOS晶體管技術局限，科研人員長期致力于探索基于新型非易失性存儲器（NVMs）和自旋電子器件的硬件實現方案。目前，已有多種類型的NVMs被用于實現神經網絡中各種運算并顯示出廣闊前景，其中自旋電子器件憑借自身豐富和可控的自旋動力學特性, 被認為是實現模擬突觸和神經元功能的理想候選之一。

近日, 微電子所重點實驗室劉明院士/邢國忠研究員團隊基于全電控磁疇壁（DW）動力學特性，成功開發了磁疇壁隧道結（DW-MTJ）器件且實現線性權重更新和非線性激活函數功能，首次實驗演示并驗證了DW-MTJ集成器件實現全自旋人工突觸和神經元功能, 為高度可擴展的集成神經形態電路奠定了基礎。團隊利用自旋-軌道耦合和界面 Dzyaloshinskii-Moriya interaction協同效應, 實現了可編程的多態突觸器件且具有高可靠性。第一性原理計算表明, 5d 和 3d 原子間距可控壓縮增強了 Dzyaloshinskii-Moriya 反對稱相互作用, 從而穩定了磁疇壁釘扎，實驗結果驗證了該機制的有效性。基于自旋-軌道矩對磁疇壁的高效驅動和可靠釘扎，團隊展示了具有 Sigmoid 型激活函數的自旋神經元, 最高工作頻率達 20 MHz，能耗僅為508 fJ/spike。緊湊Sigmoid 型神經元電路設計實現了低功耗運行。該工作充分展示了DW-MTJ自旋電子器件在神經形態計算應用中的巨大潛力，為實現高能效、高可靠且可擴展的神經網絡架構提供了硬件開發的新路徑。

該工作得到了國家重點研發計劃、國家自然科學基金委、中國科學院戰略先導B等項目支持。研究成果以“Domain wall magnetic tunnel junction-based artificial synapses and neurons for all-spin neuromorphic hardware”為題在《自然?通訊》期刊在線發表，同時被選為"Editors' Highlight Featured Article"--"編輯高亮特色工作"?。這是繼本課題組2023年實現微電子所在自旋電子器件研究領域Nature子刊零的突破后，又一次發表高質量工作成果。微電子所博士研究生劉龍為文章第一作者，微電子所邢國忠研究員、劉明院士為共同通訊作者。

????全文鏈接：https://www.nature.com/articles/s41467-024-48631-4

開發的DW-MTJ全自旋神經元和神經形態計算電路仿真及硬件實驗驗證

DW-MTJ基全自旋神經形態計算硬件研制及電路實現演示