具有稳态功能的磁性斯格明子神经元在脉冲神经网络中的实现与应用

《ACS Nano》：Magnetic Skyrmion Neurons with Homeostasis for Spiking Neural Networks

本文报道了一种基于磁性斯格明子（skyrmion）的新型脉冲神经元器件，首次在单一硬件层面实现了神经元稳态（homeostasis）功能。该器件通过栅极电压调控垂直磁各向异性（PMA），动态调节神经元发放阈值，成功模拟了生物神经元的自适应特性。结合微磁模拟和SNN算法验证，研究表明该器件具有低能耗（193.2 fJ/脉冲）、高可扩展性（可达10纳米尺度）和随机性容错等优势，为构建高性能神经形态计算芯片提供了新范式。

　　

引言

近年来人工智能（AI）技术的显著进步对科学技术领域及日常生活产生了深远影响。深度神经网络（DNN）作为AI技术的核心架构，其设计灵感来源于人脑。尽管DNN在人类擅长的任务中表现出色，但其高计算资源消耗限制了在边缘设备上的应用。为解决该问题，模仿生物神经元通过脉冲信号通信的脉冲神经网络（SNN）被提出。为实现超越云计算的AI边缘设备，硬件SNN（H-SNN）因高能效特性备受关注。H-SNN需硬件实现SNN算法中的特定功能，包括泄漏积分发放（LIF）、抑制操作和脉冲时序依赖可塑性（STDP）等。其中，稳态功能通过调节发放阈值调控神经元放电率，被证实对SNN学习过程至关重要。尽管电路级稳态实现已有研究，但器件级直接实现仍是挑战。

在H-SNN器件开发中，离子迁移或相变等非易失存储技术已用于实现神经形态计算所需的神经元和突触功能。基于自旋电子学的H-SNN器件通过微磁模拟被提出，利用畴壁、涡旋和斯格明子等自旋纹理，并逐步实现实验验证。本文提出一种新型斯格明子脉冲神经元器件，可通过栅压调控磁性实现稳态功能，并通过器件特性验证了稳态对SNN性能的提升作用。

结果与讨论

器件结构与斯格明子生成

神经元器件采用MgO（1.0 nm）/Ta（0.08 nm）/CoFeB（1.2 nm）/W（3.0 nm）/TaO_x（2.0 nm）多层膜结构（斯格明子通道）。MgO层通过形成Fe–O界面诱导CoFeB层产生垂直磁各向异性（PMA），超薄Ta层通过原子级打断Fe–O界面精细调控PMA，W层提供自旋轨道力矩（SOT）和Dzyaloshinskii–Moriya相互作用（DMI）。该薄膜被光刻成线宽不对称的线-圆复合结构，左侧窄通道（8 μm）与右侧宽通道（12 μm）通过直径18 μm的圆形区域连接。在指定区域沉积AlO_x（2.0 nm）/Pt（2.0 nm）顶層作为栅极结构。

初始状态下，斯格明子通道呈现条纹磁畴相，畴宽均匀。施加+3.0 V栅压脉冲后，栅区PMA场（μ₀H_k）从1330 Oe降至490 Oe，条纹畴宽收缩。该调控具有可逆性和非易失性。在3.2 Oe垂直磁场下，非栅区趋于均匀磁化，而栅区仍维持条纹畴。向通道施加0.13 mA/1 ms电流脉冲时，条纹畴在SOT作用下右移，出栅区时转变为斯格明子并被捕获于圆形区域。该斯格明子生成器的独特优势在于可通过负栅压动态关闭，且操作电流密度（0.39 MA/cm²）显著低于其他自旋电子器件。

神经元集成功能与LIF特性

器件操作基于斯格明子间排斥作用。微磁模拟（MuMax³软件）表明，恒定电流下斯格明子在圆形区域内受斯格明子霍尔效应和随机晶粒影响作漂移-扩散运动。实验显示，连续施加0.13 mA/1 ms脉冲可依次生成斯格明子，它们通过排斥作用在圆形区域（集成区）累积。当斯格明子数达11个时，排斥力足以将单个斯格明子推入右侧宽通道的传感单元（通过反常霍尔效应AHE检测，电阻从6.3 Ω降至5.8 Ω），实现脉冲集成功能。该过程模拟了神经元临时信号整合能力。泄漏行为可通过外磁场实现，结合已有研究提出的自复位方案，未来可望在单一器件实现完整LIF功能。 scalability分析表明器件在10纳米尺度仍保持操作特性，单次脉冲能耗约193.2 fJ，接近生物突触能耗水平（3–30 fJ）。

稳态功能的硬件实现

通过向集成区施加栅压脉冲（如2.5 V/100 ms），可逐步降低该区域PMA和条纹畴宽。随着斯格明子稳定半径减小，触发发放所需的阈值斯格明子数从11个增加至18个（一次栅压后）乃至31个（多次栅压后），成功模拟神经元稳态功能。该阈值调控源于斯格明子尺寸与集成区几何的耦合关系：更小的斯格明子需更密集排列才能产生足够排斥力。

SNN仿真与随机容错分析

基于MNIST数据集的SNN仿真表明，引入稳态功能（每600次迭代按Δthreshold = (f_actual- f_target) × threshold × γ调整阈值）后，网络识别准确率显著提升。稳态通过防止早期学习阶段异常突触强化，促进权重合理更新。器件操作存在随机性（栅控PMA成功率为68%），但仿真显示即使在此成功率下网络仍能保持接近最优性能，证明随机稳态的实用性。

结论

本文开发的斯格明子神经元器件通过电流密度梯度实现脉冲集成，并利用栅压调控PMA在器件层面实现了稳态功能。该技术为高性能神经形态芯片开发提供了新路径，也拓展了斯格明子在功能器件中的应用潜力。

方法与实验

器件制备采用磁控溅射沉积多层膜，经光刻和离子铣刻蚀成形，AlO_x栅介质通过原子层沉积制备。局部PMA场通过MOKE显微镜像素级磁化测量结合面内磁场扫描拟合获取。斯格明子电学读out通过集成霍尔条结构实现，AHE信号变化可检测斯格明子到达传感单元。