研究人员利用磁系统人工复制了大脑的学习和遗忘功能

巴塞罗那自治大学(UAB)物理系的研究人员领导了一项研究，利用薄薄的氧化钴层成功地模拟了学习神经形态能力。这项在ALBA同步加速器进行的实验，是人脑激发计算机的新一步。

　　

随着大数据的出现，目前的计算体系结构被证明是不够的。降低晶体管尺寸的困难、大的功耗和有限的运行速度使神经形态计算成为一个有前途的选择。神经形态计算是一种新的大脑计算范式，它利用人工神经网络再现生物突触的活动。这样的设备就像一个开关系统，因此，ON位置对应于信息保留或“学习”，而OFF位置对应于信息删除或“遗忘”。在最近的一份出版物中，来自Autònoma de Barcelona大学(UAB)、CNR-SPIN(意大利)、加泰罗尼亚纳米科学和纳米技术研究所(ICN2)、微型和纳米技术研究所(IMN-CNM-CSIC)和ALBA同步加速器的科学家们已经探索了使用新的先进材料设备模拟人工突触。该项目由Serra Húnter研究员Enric Menéndez和ICREA研究员Jordi Sort领导，他们都是UAB物理系的，也是Sofia Martins博士论文的一部分。

到目前为止，大多数用于这一目的的系统最终都是由电流控制的，包括大量的热量耗散。在这里，研究人员的建议是使用磁离子技术，通过电压驱动的离子迁移来控制材料的磁性特性，这大大降低了功耗，并使数据存储节能。

虽然热耗散随着离子迁移效应而减少，但在工业应用中，氧在室温下的磁离子运动通常很慢，需要几秒钟甚至几分钟才能切换到磁状态。为了解决这一问题，该团队研究了使用晶体结构中已经包含要传输的离子的目标材料。这种磁离子目标可以通过电压驱动的氧运动从目标向储层(ON)和反之亦然(OFF)进行完全可逆的转变，从非铁磁(OFF)状态到铁磁(ON)状态，反之亦然。鉴于其晶体结构，钴氧化物是制备薄膜的首选材料，厚度从5nm到230nm不等。他们研究了厚度对磁离子行为的影响，发现薄膜越薄，磁化产生的速度越快。

样品的x射线吸收光谱(XAS)在ALBA同步加速器的BOREAS光束线上进行。用XAS对氧化钴薄膜的元素组成和氧化态进行了室温表征，结果表明，氧化钴薄膜的厚度和厚度有所不同。这些发现对于理解氧在薄膜之间的磁离子运动的差异是至关重要的。由于在这项工作中所达到的工作速度与用于神经形态计算的速度相似，因此最薄的氧化钴膜被进一步研究。特别是，与学习神经形态能力相关的影响被诱导，结果提供了磁离子系统可以模拟“学习”和“遗忘”功能的证据。

除了神经形态计算，其他实际应用，如磁记忆和自旋电子学将受益于这项研究的结果。磁存储器与高效节能的磁离子技术的结合可能是降低下一代数据存储介质运行能量的一种可能方法，而控制反铁磁层的磁离子机制是目前发展自旋电子器件的有希望的候选方法。