基于低维磁性体系的物理神经网络

演讲者:   郭杭闻，复旦大学

时间:      2024年12月6日，下午14:00

邀请人:   祝智峰

地点:      信息学院 1C201

摘要:

人工神经网络已对社会发展产生了巨大变革，也同时对算力、能耗和计算效率等问题带来了巨大挑战。物理神经网络充分利用了物理体系的优异特性来实现人工神经网络的训练和计算，可潜在突破传统计算机的限制，且大幅提高计算效率。在低维尺度下，磁性材料不仅具有记忆和存储功能，还具备强的热涨落、丰富的磁畴态和动力学过程，展现出很强的可塑性、随机性、非线性和振荡性等特征，是实现物理神经网络的极佳选择。本报告将介绍课题组利用低维磁性体系实现物理神经网络的进展，包括基于可塑磁畴的自学习Hopfield神经网络、概率计算等工作。这些工作为利用低维自旋体系实现高计算效率的人工智能架构提供了新的思路。

报告人简介:

郭杭闻，2007年本科毕业于复旦大学物理系，2013年在田纳西大学诺克斯维尔分校获理学博士学位，2013至2016年在路易斯安那州立大学任博士后，2016至2018年任该校研究助理教授，2018年加入复旦大学微纳电子器件与量子计算机研究院，任研究员，博士生导师。长期从事复杂氧化物薄膜和异质结的制备、多场量子调控和原型器件的研究。在Nat. Commun., PRL, PNAS等国内外学术期刊上共发表论文30余篇，总引用千余次；在APS March Meeting等国际会议多次做邀请报告。