張存均、何亞奇 / 工研院機械所
前言
Annual Conference on Magnetism and Magnetic Materials 是全球最重要之磁物理學、磁性材料與自旋電子學國際研討會，每年有超過3,000篇論文投稿，平均接受率低於25％，具有極高學術地位及影響力。作者自2009年起參加位於美國華府11th Joint MMM-INTERMAG Conference，至今已參與十多次MMM會議，深受各國學者傑出的研究能量所啟發，且因本會議的優質學術交流獲得許多在研究課題上的長足成長。
神經形態計算
在本議程中，研究的目標是使用新興的自旋電子裝置來模擬突觸和神經元功能，以研究和開發神經形態系統。在核心元件架構上，研究者們專注於涉及磁性紋理和磁性隧道結的自旋波計算裝置，以實現高效、低能耗的平行處理資訊。神經形態計算可以模仿人腦的運算功能，可以快速執行影像辨識、事件預測等複雜任務，如圖一所示。與神經網路相比，傳統電腦採用馮諾依曼架構實現，由布林邏輯和記憶體電路組成，大量執行記憶體和處理單元之間的資料流量。這種資料傳輸過程浪費了用於學習和推理的電能消耗，並且大大降低了計算速度。從仿生神經形態計算系統來看，神經元可以被視為處理單元，而人工突觸則向神經元傳遞新的訊息，也稱為可調節的突觸權重，並將模擬訊息儲存為記憶，如圖二所示。
圖一、圖案化陣列的掃描電子顯微鏡影像疊加有指示首選磁化強度的箭頭
最近，文獻中提出了幾種自旋電子裝置來模擬從神經元尖峰行為到突觸學習能力的功能。這是因為自旋電子裝置的特性包括非揮發性和可塑性，以及振盪性和隨機性。然而，製造仿生硬體的主要挑戰之一是建立具有透過可調節連接互連的複雜處理單元的高密度網路。此外，此類系統中使用充電電流作為資訊載體，需要克服電路中的焦耳熱問題，如圖三所示。
圖三、探討磁隧道結，交變磁性、機率計算和節能開關
根據演講者介紹(H. Ren, Center for Quantum Phenomena, Department of Physics, New York University)，自旋霍爾奈米振盪器 (SHNO) 是在奈米級裝置中實現電流控制 GHz 頻率訊號的潛在裝置之一，主要用於神經形態計算、磁振子學等。然而，傳統的SHNO具有較高的自振盪閾值電流，而基於磁性隧道接面的SHNO則需要複雜的蝕刻製程。此外，耦合振盪器以形成這些應用的連接網路也具有挑戰性。
演講者在報告中展示了基於亞鐵磁絕緣體-過渡金屬異質結構的 SHNO，特別是具有坡莫合金和鉑界面的外延鋰鋁鐵氧體薄膜。透過在未圖案化的 Li0.5Al0.5Fe2O4 (LFO) 薄膜上沉積和圖案化Pt，可以觀察到與Pt中的自旋霍爾效應相關的清晰的自發振盪訊號。演講者在 Pt/LFO 樣品中觀察到電流極性相關的頻譜訊號，表明其源自自旋軌道扭矩，而不是自旋塞貝克效應，是這種自動振盪訊號的根源。此外，他們也展示了一種基於坡莫合金鐵磁金屬奈米線和鋰鋁鐵氧體無圖案低阻尼亞鐵磁絕緣體薄膜的新型混合SHNO。講者將這種混合SHNO的改進特性(例如：更低的閾值電流和更高的輸出功率)與兩個磁性層的同時激勵聯繫起來。並進一步發現，亞鐵磁絕緣體的存在增強了自旋波邊緣模式的自振盪幅度，這與理論的微磁模型一致。同時，自振蕩的局部化降低了閾值電流，並使邊緣模式而不是體模式成為主要功率發射源。此外，透過改變亞鐵磁絕緣體層的成分和厚度，用 LFO 取代 LAFO，成功製造了具有更好性能(即更高的輸出功率和品質因數)的混合SHNO。這種混合SHNO透過提供改進的振盪器特性以及耦合多個 SHNO 以進行神經形態計算和先進磁振子學的新方法來擴展自旋電子學應用。
近年耦合振盪器網路的模式識別從基礎和實踐的角度都引起了相當大的關注，並且已經提出了這個概念的各種數值模擬計算。先前工作中的一個關鍵問題是振盪器中的任何不均勻性是不可避免的，這會導致在沒有額外訓練的情況下識別任務的失敗。為了解決這個問題，講者研究了透過單一自旋扭矩振盪器(STO)實現的模式識別。在這項工作中，作者開發了一個由單一STO進行模式識別的理論模型。在此沒有使用多個振盪器，而是對單一STO ---以上為部分節錄資料，完整內容請見下方附檔。