近日，复旦大学物理学系、应用表面物理国家重点实验室、微纳电子器件与量子计算机研究院沈健/殷立峰课题组与芯片与系统前沿技术研究院刘琦课题组合作，实现了基于人工自旋冰磁电阻效应的神经形态计算。该研究成果以Distinguishing Artificial Spin Ice States using Magnetoresistance Effect for Neuromorphic Computing为题发表在Nature Communications 14, 2562 (2023)上。沈健教授、殷立峰教授和刘琦教授为共同通讯作者，博士生胡雯婕为第一作者。

    人工自旋冰（Artificial Spin Ice）是基于几何阻挫晶格的人工磁性纳米结构，其特殊的几何排列使系统具备大量的自旋简并态，可用于多比特数据存储和神经形态计算。此前，科学家已经通过磁成像、铁磁共振等非电学手段实现了基于人工自旋冰的神经形态计算的原理性展示，但还没有实现基于电输运的方案，而电输运是走向器件化的第一步。我们制备了人工自旋冰/Cu/坡莫合金的三明治结构，通过三层膜的磁电阻效应实现了人工自旋冰8个自旋简并态的电学测量。三轴人工自旋冰由3个纳米磁体的亚晶格组成，分别沿水平、垂直和对角方向，相互间存在着磁偶极相互作用，且处于磁阻挫状态。如图1所示，通过施加不同角度的面内磁场，可以得到8个长程有序的自旋态，这8个自旋态在电输运测量中对应着8个不同的磁电阻值。

图1：磁力显微镜得到的人工自旋冰的8个有序态，对应着电输运测量的8个磁电阻值。

    人工自旋冰存在着大量自旋简并态，使其对外磁场的响应是非线性的，因此可以利用其本征的非线性特性来模拟客观世界中系统的输入和输出之间的复杂关系，构建具有普适性非线性映射的神经形态计算。储备池计算（Reservoir computing）是一种特别适合处理时空信号的神经形态计算架构，它通过构造一个固定的随机连接储备池，利用高维空间的非线性动力学来处理信息，只需要训练一个线性读出层，就能建立一套高精确度的时空演化预测系统。三轴人工自旋冰系统具有储备池计算所需的所有属性，包括高纬度、对输入信号的非线性响应以及短时记忆效应，如图2所示，我们把人工自旋冰作为储备池成功完成了高精确度的时滞混沌系统的拟合任务，包括太阳黑子处理预测和Mackey-Glass预测。该工作为人工自旋冰在神经形态计算中的应用开辟了前景。

参考链接：https://www.nature.com/articles/s41467-023-38286-y

图2：（a）为基于人工自旋冰的储备池计算的器件示意图。（b）为基于人工自旋冰的储备池计算在太阳黑子处理预测和Mackey-Glass预测等不同标准任务上的性能。

该项目得到了科技部国家重点研发计划、国家自然科学基金委重大项目和面上项目、上海市科委科技创新行动计划和市级科技重大专项的资助。