工程化利用亚铁磁体中自驱动磁畴壁运动实现神经形态计算应用

《Nano Letters》:Engineering and Exploiting Self-Driven Domain Wall Motion in Ferrimagnets for Neuromorphic Computing Applications

【字体: 大 中 小 】 时间:2026年04月18日 来源:Nano Letters 9.1

编辑推荐:

  本研究聚焦于如何利用自驱动磁畴壁(DW)运动来实现低功耗、脑启发计算架构这一挑战。研究人员通过在过渡金属-稀土(TM-RE)亚铁磁体中,对横向交换耦合(LEC)进行局部工程化,成功实现了无需外部刺激的自发磁畴壁运动,并通过与电流诱导的自旋轨道转矩(SOT)结合,在单一器件中实现了对神经形态计算至关重要的泄露积分与被动重置功能。该工作为基于磁畴壁的神经形态计算提供了一个可调、可扩展且易于实现的平台,具有重要的应用前景。

  
在追寻更节能计算方式的浪潮中,模仿生物神经网络功能的人工硬件——神经形态计算,正成为突破传统冯·诺依曼架构瓶颈的关键方向。然而,要在单一材料系统中,同时实现人工神经元所需的所有核心功能,例如对输入信号的积分、信号间隔期间的泄露以及达到阈值电位“激发”后的被动重置,却是一项艰巨的挑战。这些功能往往依赖于相互竞争甚至矛盾的物理相互作用,难以调和。磁性材料,特别是其中的磁畴壁,因其可用电流操控和检测,并能实现非易失性的内存计算,被认为是实现神经形态计算的绝佳物理载体之一。但如何让磁畴壁像生物神经元一样“自律”地工作,即在不施加外部信号时自行“泄露”电位,并在激发后自动“重置”,一直是该领域亟待解决的难题。
与此同时,过渡金属-稀土(TM-RE)亚铁磁合金因其卓越的磁化动力学特性,尤其是可实现超快、高效的磁畴壁运动,近年来再度成为研究热点。它们净磁化强度低,杂散场小,有利于器件的高密度集成。更重要的是,通过聚焦离子束/电子束、成分梯度、氧等离子体或激光退火等技术,可以轻易地局部调控TM-RE亚铁磁体中占据主导地位的磁性亚晶格,从而诱导出包括无外部刺激下的自发磁畴壁运动在内的新奇磁行为。这为破解上述难题提供了全新的思路。
为了回答如何利用自驱动磁畴壁运动来实现神经形态计算功能这一核心问题,来自未知机构的研究团队在《Nano Letters》上发表论文,系统性地展示了如何通过工程化亚铁磁体中的局部横向交换耦合,实现对自发磁畴壁运动的精细调控,并将其与电流驱动的自旋轨道转矩(SOT)相结合,在单一器件中成功模拟了神经元的关键行为。
本研究主要运用了几项关键技术方法:首先,研究人员采用直接写入激光退火技术,在稀土(RE)主导的Co70Gd30薄膜上,局部创建了不同宽度的过渡金属(TM)主导“轨道”,从而在材料内部构造出具有不同磁性亚晶格主导区域的异质结构。其次,利用磁光克尔效应显微镜实时观测和测量了在不同条件下(如移除外磁场后、施加电流脉冲期间)磁畴壁的位置和运动速度。第三,结合微磁模拟,从理论上深入分析了器件尺寸、界面Dzyaloshinskii-Moriya相互作用(iDMI)等因素对磁畴壁动力学的影响机制,并与实验结果相互验证。最后,通过电流脉冲序列的施加,在特定几何设计的器件中,实现了SOT驱动的正向位移与LEC驱动的自发反向运动之间的协同与对抗,从而演示了神经形态计算功能。
研究结果主要包含以下几个方面:
1. 工程化自驱动磁畴壁运动
研究人员首先解释了自驱动磁畴壁运动的物理机制。如图1所示,他们通过激光退火在RE主导的薄膜中制造了TM主导的条形轨道。在施加外磁场时,TM和RE区域的净磁化强度(Mnet)平行排列,但在界面处因亚晶格磁化方向交替而形成磁畴壁。当移除外磁场后,TM区域内的铁磁性交换相互作用(JCo-Co和JGd-Gd)促使该区域的净磁化发生反转,以降低能量。这种横向交换耦合(LEC)产生了一个有效的交换耦合磁场(HLEC),驱动磁畴壁在TM主导的轨道中自发运动。这种运动的本质,是为实现神经元的“泄露”和“重置”行为提供了物理基础。
2. 控制自驱动磁畴壁的“泄露/重置”速度
论文的核心发现之一是,自驱动磁畴壁的速度(vleak/reset)可以通过多种参数进行精细调控。实验和模拟表明:
  • •
    轨道宽度(wtrack):vleak/reset与轨道宽度成反比。更窄的轨道具有更强的界面效应,从而产生更强的LEC,导致更快的磁畴壁运动。当wtrack≥ 7 μm时,LEC太弱,无法再驱动自发运动。
  • •
    材料成分:与Co70Gd30相比,增加Gd含量的Co60Gd40样品,其交换刚度更低,净磁化强度更小,导致LEC减弱,vleak/reset显著降低,且可驱动运动的临界轨道宽度减小到2 μm。
  • •
    器件尺寸与手性边界倾斜:在图案化的器件中,当存在界面DMI时,磁畴壁和器件边缘的磁化会形成特定的手性结构,产生头对头的磁化排列,带来额外的静磁能惩罚。减小器件总宽度(wdevice)会增大这种能量惩罚,从而在LEC之外,为磁畴壁运动提供额外驱动力,进一步提高vleak/reset。而在DMI较弱或抑制了边缘磁化倾斜的样品/模拟中,vleak/reset则与wdevice无关。
3. 实现泄露积分与被动重置功能
基于对vleak/reset的调控理解,研究人员设计了一个将SOT驱动的正向位移与LEC驱动的反向自发运动相结合的人工神经元结构(图4a)。该器件包含一个宽度变化的TM主导轨道,其中有一个椭圆形的“陷阱”区域(wtrack> 7 μm),此处LEC驱动的运动被抑制。初始磁化后,移除外场,磁畴壁被LEC驱动至陷阱区域左侧边缘并钉扎。当施加从左向右的电流脉冲时,SOT驱动磁畴壁向右移动(模拟信号积分)。脉冲停止后,在陷阱区右侧较窄的轨道部分(wtrack= 3.5 μm),LEC驱动磁畴壁自发向左运动,退回陷阱区(模拟电位泄露)。当完全停止施加电流脉冲后,LEC最终将磁畴壁推回初始钉扎位置,实现了被动重置。图4e清晰地展示了在周期性电流脉冲刺激下,磁畴壁位置在SOT驱动的前进和LEC驱动的后退之间振荡,以及在刺激停止后回归原点的完整过程。
4. 实现“积分-激发”功能
研究还演示了当LEC与SOT驱动方向一致时,如何实现“积分-激发”功能。他们设计了具有不同长度“陷阱”区域(ltrap)的器件(图5a)。在陷阱区内,wtrack足够大以抑制LEC运动,因此磁畴壁的位移完全由SOT驱动的电流脉冲累积(积分)。一旦磁畴壁被推出陷阱区,进入wtrack较小、LEC活跃的区域,便会迅速自发运动到轨道末端,这对应于神经元达到阈值电位后的“激发”。实验表明,对于给定的电流刺激,陷阱区越长(ltrap= 20, 40, 70 μm),磁畴壁需要积累更多位移(即更多脉冲)才能触发激发(图5c)。这证明,通过局部控制LEC的作用范围(即陷阱长度),可以灵活调节人工神经元的激发阈值。
结论与讨论
本研究成功证明,在由TM主导的亚铁磁轨道与RE主导器件区域耦合构成的人工神经元器件中,通过对磁性图案化区域的尺寸与形状、亚铁磁材料成分以及界面DMI的调控,可以有效调节器件的泄露和重置速率。通过将这种对自发磁畴壁运动的控制与电流诱导的自旋轨道转矩(SOT)相结合,研究团队在单一器件中实现了对神经形态计算至关重要的泄露积分和被动重置行为,并展示了可调的积分-激发功能。该平台易于实现且具备良好的可扩展性,所采用的材料可通过高通量室温溅射沉积生长,并通过单步激光诱导工艺进行图案化,且与SOT等下一代刺激方式兼容。
尽管该工作尚未实现横向抑制(即“赢家通吃”机制)和突触权重在线调节等更高级的神经形态计算功能,但论文指出,新兴的磁离子学领域(例如利用固态氢门控可逆地调控TM-RE亚铁磁体的交换耦合强度和主导亚晶格)为实现这些功能带来了希望。这项研究为利用横向交换耦合效应开发下一代基于磁畴壁的仿生计算架构奠定了重要基础,展示了一条通过精巧的磁学工程,在底层硬件层面模拟生物神经元复杂动力学的有效途径。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号