旋转术神经元的节能调谐，以模仿人脑的非线性振荡神经网络

人类大脑有效地执行高度复杂的任务，例如图像和语音识别，其能量预算优于今天的计算机。因此，能够模仿脑激发过程的节能和可调性的人工神经元的发展已经是几十年来的主要研究目标。

哥德堡大学和东北大学的研究人员在这个方向上联合报道了一个重要的实验前进，展示了一种新型电压控制的旋转微波振荡器，能够紧密地模仿人脑的非线性振荡神经网络。

研究团队开发了一种电压控制的旋转式振荡器，其特性可以强烈调整，能耗可忽略不计。“这是这些所谓的旋转霍尔纳米振荡器（SHNO）可以充当基于振荡器的神经元的重要突破，但到目前为止缺乏节能调谐方案 - 培训认知神经网络神经网络的基本先决条件任务，“宣布顺声Fukami，该研究共同作者。“开发技术的扩展也可以推动在大型复杂振荡神经网络中的每对旋转型神经元之间的突触相互作用的调整。”

扫描电子显微镜图像与栅电极产生的旋转厅纳米振荡器装置的横截面结构的示意图。

今年早些时候，约翰Åkerman集团在哥德堡大学展示，第一次相互同步阵列，占据100世纪的占地面积小于方形微米。网络可以模仿大脑中的神经元相互作用，并进行认知任务。然而，训练这种人工神经元的主要瓶颈以产生对不同输入的不同响应已经缺乏控制在这种网络内的近振荡器的方案。

JohanÅkerman集团与Tohoku大学的Hideo Ohno和Shunsuke Fukami合作，开发出由超薄W / CoFeB / MgO材料叠层制成的蝴蝶结旋转霍尔纳米振荡器，在振荡上具有附加电压控制栅极的附加功能区域[图。 1]。使用称为电压控制磁各向异性（VCMA）的效果，可以直接控制由几个原子层组成的CoFeB铁磁性的磁动力学性质，以改变微波频率，幅度，阻尼，以及因此阈值电流Shno [图。 2]。

各种栅极电压下振荡性能的实验结果。红色和黄色区域意味着发生强烈的振荡。可以看到振荡性能随栅极电压而变化。

研究人员还发现，在弓形几何形状中，使用-3至+1V的电压，Shno阻尼的巨大调节高达42％。因此，所示的方法能够在由单个全局驱动电流驱动的大型同步振荡网网络内独立地转动近/断开。结果也有价值，因为它们揭示了磁性纳米结构中的能量松弛的新机制。

Fukami指出“随着易于提供的节能独立控制近在心神经元的动态状态，我们希望能够有效地培训大型Shno网络以进行复杂的神经胸任务，并扩大基于振荡器的神经形态计算方案，以更大的网络尺寸。 “

东北大学与哥德堡大学之间的合作将继续加强，因为往北大学最近加入了瑞典 - 日本合作网络Mirai 2.0，该项目旨在加强瑞典和日本大学之间的研究合作。

参考：Himanshu Fulara，Mohammad Zahedinejad，Roman Khymyn，Mykola Dvornik，Shunsuke Fukami，Shun Kanai，Hideo Ohno和JohanÅkerman，2020年8月11日，自然信息，自然通信，Mohammad Zahediine anso-ancillator Damping调制纳米振荡器阻尼的调制
10.1038 / s41467-020-17833-x