Sintonizzazione efficiente dal punto di vista energetico dei neuroni spintronici

Sintonizzazione efficiente dal punto di vista energetico dei neuroni spintronici
Immagine al microscopio elettronico a scansione e schema della struttura in sezione trasversale del dispositivo nano-oscillatore spin-Hall creato con l’elettrodo di gate. Credito: Johan 脜kerman e Shunsuke Fukami

Il cervello umano esegue in modo efficiente compiti altamente sofisticati, come il riconoscimento di immagini e parlato, con un budget energetico eccezionalmente inferiore rispetto ai computer di oggi. Lo sviluppo di neuroni artificiali efficienti dal punto di vista energetico e sintonizzabili in grado di emulare processi ispirati dal cervello è stato quindi per decenni un importante obiettivo di ricerca.

I ricercatori dell’Università di Göteborg e dell’Università di Tohoku hanno riferito congiuntamente di un importante progresso sperimentale in questa direzione, dimostrando un nuovo oscillatore a microonde spintronico controllato in tensione in grado di imitare da vicino le reti neurali oscillatorie non lineari del cervello umano.

Il team di ricerca ha sviluppato un oscillatore spintronico controllato in tensione, le cui proprietà possono essere fortemente regolate, con un consumo energetico trascurabile. “Si tratta di un importante passo avanti in quanto questi cosiddetti nano-oscillatori spin Hall (SHNO) possono agire come neuroni interagenti basati su oscillatori, ma finora non hanno avuto uno schema di sintonizzazione efficiente dal punto di vista energetico: un prerequisito essenziale per addestrare le reti neurali per neuromorfismi cognitivi. compiti”, ha proclamato Shunsuke Fukami, coautore dello studio. “L’espansione della tecnologia sviluppata può anche guidare la sintonizzazione delle interazioni sinaptiche tra ciascuna coppia di neuroni spintronici in una grande e complessa rete neurale oscillatoria”.

All’inizio di quest’anno, il gruppo Johan 脜kerman dell’Università di Göteborg ha dimostrato, per la prima volta, array 2D reciprocamente sincronizzati in grado di ospitare 100 SHNO occupando un’area inferiore a un micron quadrato. La rete può imitare le interazioni dei neuroni nel nostro cervello e svolgere compiti cognitivi. Tuttavia, un importante collo di bottiglia nell’addestramento di tali neuroni artificiali per produrre risposte diverse a input diversi è stata la mancanza dello schema per controllare l’oscillatore individuale all’interno di tali reti.

Sintonizzazione efficiente dal punto di vista energetico dei neuroni spintronici
Risultato sperimentale della proprietà di oscillazione sotto varie tensioni di gate. Le regioni rosse e gialle indicano che si sta verificando una forte oscillazione. Si può vedere che la proprietà di oscillazione cambia con la tensione di gate. Credito: Johan 脜kerman e Shunsuke Fukami

Il gruppo Johan 脜kerman ha collaborato con Hideo Ohno e Shunsuke Fukami alla Tohoku University per sviluppare un nano-oscillatore spin Hall a forma di papillon realizzato con uno stack di materiale ultrasottile W/CoFeB/MgO con una funzionalità aggiuntiva di un gate controllato in tensione sul regione oscillante [Fig. 1]. Utilizzando un effetto chiamato anisotropia magnetica controllata in tensione (VCMA), le proprietà magnetiche e magnetodinamiche del ferromagnete CoFeB, costituito da pochi strati atomici, possono essere controllate direttamente per modificare la frequenza delle microonde, l’ampiezza, lo smorzamento e, quindi, la corrente di soglia dello SHNO [Fig. 2].

I ricercatori hanno anche scoperto una gigantesca modulazione dello smorzamento SHNO fino al 42% utilizzando tensioni da -3 a +1 V nella geometria a fiocco. L’approccio dimostrato è, quindi, in grado di attivare/disattivare indipendentemente i singoli oscillatori all’interno di una grande rete oscillatoria sincronizzata guidata da una singola corrente di azionamento globale. I risultati sono anche preziosi poiché rivelano un nuovo meccanismo di rilassamento energetico nelle nanostrutture magnetiche modellate.

Fukami osserva che “Con un controllo indipendente ed efficiente dal punto di vista energetico prontamente disponibile dello stato dinamico dei singoli neuroni spintronici, speriamo di addestrare in modo efficiente grandi reti SHNO per svolgere compiti neuromorfici complessi e scalare schemi di calcolo neuromorfici basati su oscillatori a dimensioni di rete molto più grandi. ”


Leave a Reply