科研进展 | 信息学院寇煦丰、祝智峰课题组实现基于自旋拓扑器件的人工神经网络

随着人工智能技术的发展，对高效硬件的需求日益增加，自旋器件凭借其非易失性、低功耗和高集成度的特点，在加速神经网络计算方面展现出显著优势。当前，自旋器件正逐渐成为新型人工智能硬件研究的热点之一。

近日，上海科技大学信息科学与技术学院后摩尔中心（PMICC）寇煦丰、祝智峰团队，利用分子束外延技术设计制备了基于2英寸磁性拓扑异质结Bi2Te3/CrTe2薄膜，实现了能同时具备类脑突触和神经元功能的自旋轨道矩器件阵列（spin-orbit torque device array），并集成了批量归一化算法和可训练激活函数，相关研究成果以“ Integrated Artificial Neural Network with Trainable Activation Function Enabled by Topological Insulator-based Spin-Orbit Torque Devices ”为题在线发表于知名学术期刊ACS Nano。

图1 基于Bi2Te3/CrTe2的类脑突触（SOT-S）和神经元（SOT-N）器件

在前期工作中，研究人员基于Bi2Te3/CrTe2薄膜实现了低功耗的自旋轨道矩（SOT）驱动的磁化翻转。在此基础上，团队通过自旋轨道矩对磁畴的精确调控，实现了霍尔电阻的多阻态现象，展现出高线性度和高对称性的长时程增强/抑制（LTP/LTD）过程，实现了类脑突触器件的功能。此外，SOT 磁化翻转过程中，霍尔电阻与驱动电流天然符合 Sigmoid 函数的特性，可用于实现神经网络中的Sigmoid激活函数。基于这一特性，研究人员提出了一种串联连接的电压感知人工神经网络（ANN）架构。该架构不仅增强了矩阵-向量乘积信号的强度，还实现了低至 0.61% 的读出误差，简化了外围电路设计。更重要的是，研究发现，不同电阻态下的 Sigmoid 函数模块具备可调节系数，赋予其可训练的激活函数特性。这一特性允许集成 ANN 中的批量归一化算法，从而有效简化系统架构并显著提升网络性能。这一研究成果为基于拓扑绝缘体材料的神经网络应用提供了一种集成化、软硬件协同优化的新型解决方案。

图2 基于SOT-S和SOT-N器件且具有可调激活函数的ANN架构

上海科技大学是该成果的第一完成单位，信息学院后摩尔中心寇煦丰课题组2021级硕士研究生黄浦阳、2019级博士研究生刘馨琪和2020级硕士研究生辛玥为论文共同第一作者，寇煦丰教授和祝智峰教授为共同通讯作者。

文章链接：

https://pubs.acs.org/doi/10.1021/acsnano.4c03278