[论文解读] Skyrmion-Magnetic Tunnel Junction Synapse with Mixed Synaptic Plasticity for Neuromorphic Computing

Aijaz H. Lone, Arnab Ganguly+3 more|arXiv (Cornell University)|May 30, 2022

Advanced Memory and Neural Computing被引用 5

一句话总结

本文提出了一种基于磁性斯格明子的磁性隧道结（MTJ）突触，实现了混合型突触可塑性——结合了长期可塑性（LTP）和短期可塑性（STP）——用于神经形态计算。LTP通过自旋轨道扭矩和磁场调控斯格明子密度实现，而STP则通过电压控制磁各向异性（VCMA）调节，使在最大斯格明子密度下图像识别的推理准确率达到90%。

ABSTRACT

Magnetic skyrmion-based data storage and unconventional computing devices have gained increasing attention due to their topological protection, small size, and low driving current. However, skyrmion creation, deletion, and motion are still being studied. In this study, we propose a skyrmion-based neuromorphic magnetic tunnel junction (MTJ) device with both long- and short-term plasticity (LTP and STP) (mixed synaptic plasticity). We showed that plasticity could be controlled by magnetic field, spin-orbit torque (SOT), and the voltage-controlled magnetic anisotropy (VCMA) switching mechanism. LTP depends on the skyrmion density and is manipulated by the SOT and magnetic field while STP is controlled by the VCMA. The LTP property of the device was utilized for static image recognition. By incorporating the STP feature, the device gained additional temporal filtering ability and could adapt to a dynamic environment. The skyrmions were conserved and confined to a nanotrack to minimize the skyrmion nucleation energy. The synapse device was trained and tested for emulating a deep neural network. We observed that when the skyrmion density was increased, the inference accuracy improved: 90% accuracy was achieved by the system at the highest density. We further demonstrated the dynamic environment learning and inference capabilities of the proposed device.

研究动机与目标

• 开发一种基于斯格明子的神经形态突触，兼具长期与短期可塑性，以增强学习适应能力。
• 解决利用多种物理刺激控制基于斯格明子器件中突触可塑性的挑战。
• 证明通过斯格明子密度与 VCMA 实现动态、低功耗突触行为的可行性。
• 在静态图像识别与动态环境适应中验证器件性能。
• 探索拓扑保护的斯格明子作为可扩展、低功耗神经形态计算平台的潜力。

提出的方法

• 器件采用纳米轨道限制斯格明子，降低成核能垒并实现稳定操控。
• 通过自旋轨道扭矩（SOT）和外加磁场调节斯格明子密度，实现长期可塑性（LTP）。
• 通过电压控制磁各向异性（VCMA）实现短期可塑性（STP），实现瞬态电阻调制。
• 斯格明子-MTJ 结构可通过隧道磁阻效应实现突触权重的电学读出。
• 系统采用深度神经网络模型进行训练与测试，以模拟图像分类任务。
• 器件集成了拓扑保护与低能耗控制机制，实现可扩展的神经形态操作。

实验结果

研究问题

• RQ1 斯格明子密度能否作为磁性隧道结中长期可塑性的可调制突触权重？
• RQ2 电压控制磁各向异性（VCMA）如何在基于斯格明子的器件中实现短期突触可塑性？
• RQ3 SOT、磁场与VCMA的组合能否在单一器件中实现突触动力学的多模态控制？
• RQ4 斯格明子密度在神经形态图像识别任务中对推理准确率的影响程度如何？
• RQ5 通过集成STP与LTP机制，该器件能否在动态环境中实现自适应？

主要发现

• 当斯格明子密度达到最大值时，器件在静态图像识别任务中实现了90%的推理准确率。
• 通过自旋轨道扭矩和磁场调节斯格明子密度，成功实现了长期可塑性的控制。
• 通过电压控制磁各向异性（VCMA）有效调制了短期可塑性，实现了时间滤波功能。
• 在纳米轨道中限制斯格明子显著降低了成核能垒，提升了器件稳定性。
• LTP与STP的集成使器件能够适应动态环境，展现出强大的学习能力。
• 通过拓扑保护与多刺激控制，系统实现了可扩展、低功耗的突触行为。