基于物理的磁隧道结电路模型

《IEEE Magnetics Letters》：A Physics-Based Circuit Model for Magnetic Tunnel Junctions

本文提出基于宏观自旋近似的磁隧道结等效电路模型，通过LLGS方程数值模拟验证其准确复现铁磁共振、场/自旋扭矩开关及振荡特性，证实该模型适用于神经形态计算、微波处理和自旋电子存储技术，为复杂电子系统集成提供高效工具。

　　

摘要：

本文提出了一种用于磁隧道结（MTJs）的等效电路模型，该模型在宏观自旋近似下能够准确再现其磁化动力学和电学行为。该模型通过直接数值模拟朗道-利夫希茨-吉尔伯特-斯隆切夫斯基（LLGS）方程进行了验证，涵盖了铁磁共振、场驱动和自旋扭矩诱导的切换以及自旋扭矩诱导的振荡现象。仿真结果表明，等效电路模型与基于LLGS的仿真结果之间具有极好的一致性，从而证实了该模型的准确性和在MTJs电路级分析中的实用性。该模型能够处理时变磁场和电压驱动的激励，因此适用于多个领域，包括神经形态计算、微波信号处理和自旋电子存储技术。通过提供计算效率高且物理上严谨的电路表示方法，本文促进了MTJs在复杂电子系统中的无缝集成，从而加速了新型自旋电子电路架构的发展。

引言

在过去的二十年里，磁隧道结（MTJs）通过实现基于磁盘的驱动器中的高密度存储，彻底改变了数据存储方式[Chappert 2007]。MTJs还被集成到CMOS技术中，并应用于商用磁阻随机存取存储器（MRAM）[Alzate 2015, Edelstein 2020]，利用MTJs的非易失性和快速切换特性实现了节能、高速的存储[Ikegawa 2020]。除了数字应用之外，MTJs还可以用作微波源[Fuchs 2004, Villard 2009]、微波探测器[Tulapurkar 2005]、能量收集器[Fang 2019]、先进的微波信号处理设备[Litvinenko 2022]，甚至可以在神经形态计算中发挥作用[Romera 2018, Rodrigues 2023, Louis 2024]。