基于电压调控电沉积的宏观尺度磁性纳米网络可控生长及其神经形态计算应用

《Nature Communications》：Electrodeposition of magnetic nanonetworks featuring triangular motifs and parallel ridges on a macroscopic scale

本研究报道了一种无需模板的电压调控电沉积新策略，成功在宏观尺度制备了具有三角图案和平行脊结构的磁性钴纳米网络。该工作通过控制电压波形实现了网络形貌的精确编程，发现了涡旋态和宏自旋态共存的磁构型，并证实其非线性磁响应特性可作为物理储备池用于神经形态计算，为低功耗人工智能硬件开发提供了新思路。

　　

在人工智能技术飞速发展的今天，传统基于图形处理器（GPU）的运算架构正面临能耗高、效率低的瓶颈。磁性网络因其丰富的磁态和非线性响应特性，被视为实现低功耗神经形态计算的理想平台。然而，现有纳米磁结构的制备主要依赖复杂且昂贵的光刻技术，难以实现大规模应用。如何在宏观尺度上可控制备具有复杂磁构型的纳米网络，成为制约该领域发展的关键难题。

针对这一挑战，南京大学王牧教授和彭茹雯教授团队在《Nature Communications》发表的最新研究中，提出了一种创新的电沉积策略。研究人员在冷冻电解液形成的受限空间内，通过精确调控电压波形，成功实现了钴磁性纳米网络的可控生长。这种方法巧妙地将宏观尺度的确定性生长与微观尺度的自组织过程相结合，为复杂纳米结构的制备开辟了新途径。

研究团队采用的主要技术方法包括：通过帕尔贴元件精确控制电解液凝固形成单晶冰层，利用电压波形编程调控电沉积过程；采用扫描电子显微镜（SEM）、原子力显微镜（AFM）和磁力显微镜（MFM）表征纳米网络的形貌和磁畴结构；基于微磁学模拟（OOMMF）验证磁构型并评估其在储备池计算中的性能。

电化学生长磁性网络

研究发现在正弦电压（0.7V，2Hz）叠加恒定电压（1.4V）的条件下，钴纳米结构从阴极向阳极横向延伸生长。原子力显微镜测量显示脊厚度约180nm，三角图案厚度约70nm。透射电镜证实网络为多晶结构，晶粒具有六方密堆积（hcp）结构。通过中断生长过程观察到，电压上升沿触发钴成核并形成三角图案，下降沿则促使脊部增厚，形成周期性网络结构。

网络形貌调控

电压频率显著影响脊间距：当频率从4Hz降至1Hz时，脊间距从440nm增加至1550nm。温度变化则调控三角图案的密度：在-0.5°C至-1.8°C范围内，温度越低，成核位点间距越小，网络结构越致密。特别值得注意的是，3Hz频率下主要形成实心三角图案，而1.33Hz时则出现更多空心结构，表明生长条件对最终形貌具有精细调控作用。

网络磁特性表征

磁力显微镜观测揭示了丰富的磁构型：在初始态和剩磁态下，涡旋状磁通闭合构型和宏自旋状磁通开放构型共存。外磁场可诱导磁态转变：0.02T磁场使部分涡旋态转变为宏自旋态，0.05T磁场下大多数磁畴转变为宏自旋构型，交流退磁后涡旋态重新出现。这种可调控的磁态转变行为为多态存储提供了基础。

磁性网络的可编程工程

通过设计特定电压波形，研究人员实现了网络形貌的精确编码。不同上升沿时间（0.3s和0.5s）对应生成不同尺寸的三角图案，下降沿时间则调控脊部高度。编程生长的网络同时包含涡旋态和宏自旋态，且外磁场可有效切换这些磁构型。这种可编程特性极大地增强了网络处理复杂信息的能力。

磁性网络储备池模拟

微磁学模拟验证了该网络在储备池计算中的应用潜力。通过将输入信号映射为外磁场，测量铁磁共振（FMR）谱作为输出，网络成功完成了正弦波到锯齿波、方波等非线性信号转换，以及对Mackey-Glass混沌时间序列的预测任务，其性能显著优于绕过储备池的神经网络。

该研究的创新性在于成功桥接了自上而下光刻与自下而上自组织生长之间的技术鸿沟。电对流效应在三角图案形成中起关键作用：强对流导致空心三角结构，平衡传输则形成实心图案。每个三角单元具有不同的矫顽力，对外磁场呈现非线性响应，这种特性正好满足储备池计算对非线性动力学系统的要求。

这种磁性网络不仅为研究磁电荷动力学提供了新平台，其可编程的几何结构和丰富的磁态更使其成为实现多态存储器和忆阻器的理想载体。通过结合电压控制的确定性生长和自组织引入的几何随机性，该方法为开发低功耗神经形态计算硬件提供了可扩展的解决方案，有望在人工智能、信号处理等领域发挥重要作用。