[论文解读] Antiferromagnetic Skyrmion based Energy-Efficient Leaky Integrate and Fire Neuron Device

Namita Bindal, Ravish Kumar Raj+3 more|arXiv (Cornell University)|Jul 21, 2022

Magnetic properties of thin films被引用 4

一句话总结

本文提出了一种基于反铁磁skyrmion的神经形态器件，利用热梯度或垂直磁各向异性（PMA）梯度诱导skyrmion运动，以模拟漏电流积分-放电（LIF）神经元行为。该器件实现了每周期4.32 fJ的能效操作，通过隧道磁阻（TMR）变化实现读出，最大变化达9.2%，为低功耗自旋电子神经形态计算提供了有前景的路径。

ABSTRACT

The development of energy-efficient neuromorphic hardware using spintronic devices based on antiferromagnetic (AFM) skyrmion motion on nanotracks has gained considerable interest. Owing to its properties such as robustness against external magnetic fields, negligible stray fields, and zero net topological charge, AFM skyrmions follow straight trajectories that prevent their annihilation at nanoscale racetrack edges. This makes the AFM skyrmions a more favorable candidate over the ferromagnetic (FM) skyrmion for future spintronic applications. This work proposes an AFM skyrmion-based neuron device exhibiting the leaky-integrate-fire (LIF) functionality by exploiting thermal gradient or alternatively perpendicular magnetic anisotropy (PMA) gradient in the nanotrack for leaky behavior by moving the skyrmion in the direction to minimize the system energy. Furthermore, it is shown that the AFM skyrmion couples efficiently to the soft ferromagnetic layer of a magnetic tunnel junction enabling efficient read-out of the skyrmion. The maximum change of 9.2% in tunnel magnetoresistance (TMR) is estimated for detecting the AFM skyrmion. Moreover, the proposed neuron device has the energy dissipation of 4.32 fJ per LIF operation thus, paving the path for developing energy-efficient devices in antiferromagnetic spintronics for neuromorphic computing.

研究动机与目标

• 开发一种基于反铁磁skyrmion的节能神经形态器件，用于类脑计算。
• 在自旋电子平台中通过skyrmion动力学实现漏电流积分-放电（LIF）神经元功能。
• 通过磁隧道结中的隧道磁阻（TMR）实现skyrmion状态的高效读出。
• 通过skyrmion的内在稳定性及低能耗控制机制，最小化skyrmion基神经形态器件的能量耗散。
• 展示反铁磁skyrmion在纳米线道器件中作为比铁磁skyrmion更优替代方案的可行性。

提出的方法

• 利用纳米线道中沿长度方向的热梯度或垂直磁各向异性（PMA）梯度，诱导skyrmion向能量更低状态运动，实现漏电流积分功能。
• 采用包含软铁磁层的磁隧道结（MTJ），通过隧道磁阻（TMR）的变化检测skyrmion的存在。
• 设计纳米线道几何结构，确保skyrmion轨迹呈直线，因其净拓扑荷为零，从而避免在边缘湮灭。
• 在施加梯度条件下建立skyrmion动力学模型，模拟类生物LIF神经元的积分与放电行为。
• 基于skyrmion运动与MTJ中开关能量，计算每次LIF操作的能量耗散。
• 分析MTJ中TMR响应对skyrmion存在的变化，估算最大变化达9.2%，以实现可靠信号检测。

实验结果

研究问题

• RQ1 能否在自旋电子器件中利用反铁磁skyrmion实现漏电流积分-放电（LIF）神经元行为？
• RQ2 如何利用热梯度或PMA梯度实现受控的skyrmion运动以实现积分功能？
• RQ3 在基于反铁磁skyrmion的LIF神经元器件中，每次LIF操作的可实现能量耗散是多少？
• RQ4 能否通过磁隧道结（MTJ）中的隧道磁阻（TMR）高效检测反铁磁skyrmion的存在？
• RQ5 在纳米尺度线道架构中，反铁磁skyrmion的稳定性和轨迹性能与铁磁skyrmion相比如何？

主要发现

• 所提出的器件实现了每漏电流积分-放电（LIF）操作仅4.32 fJ的能量耗散，展现出极高的能效。
• 检测到反铁磁skyrmion时，最大隧道磁阻（TMR）变化估计达9.2%，可实现可靠读出。
• 由于净拓扑荷为零，反铁磁skyrmion表现出直线轨迹，降低了在导线边缘湮灭的风险。
• 利用热梯度或PMA梯度可实现受控的skyrmion运动，其行为可模拟LIF神经元的积分阶段。
• 器件利用了反铁磁skyrmion对外部磁场及杂散场的内在鲁棒性，显著提升了稳定性。
• 将skyrmion运动与MTJ读出相结合，为反铁磁自旋电子神经形态计算提供了可扩展且节能的实现路径。