Position: homepage  Research  Neuromorphic Memory Computing
Neuromorphic Memory Computing

 

现实世界是模拟的而不是数字的,类脑(仿神经形态)计算设备通常也是模拟的而不是数字的。仿神经计算就是通过模仿人类大脑工作方式进行工作的计算,一直以来是计算领域研究的焦点。一旦类脑计算芯片开发成功的话,它将比传统的计算机具备更多优势。仿神经具有极强的自我学习能力,更快的数据处理传输速度,并且产生的能耗更小。

为了获得仿神经计算芯片的优势,除了App上布置更多数量的节点,硬件上需要大量的振荡器来进行模仿。为了达到和人脑相当的能力,需要数十亿个振荡器。对于指尖大小的芯片,纳米级的振荡器是必不可少的。

大家针对新型磁隧道结需求,开展新型自旋电子材料生长、优化和原型器件等研究工作。大家将以新型的拓扑狄拉克材料替代传统的铁磁材料,基于拓扑狄拉克材料的表面自旋动量锁定及强的自旋轨道耦合,研究自旋在拓扑狄拉克材料中的转矩,实现基于拓扑狄拉克材料的纳米级振荡器。充分利用拓扑狄拉克材料相对于传统铁磁材料的优势(拓扑保护、高迁移率和低耗散),从而为基于拓扑狄拉克材料的类脑计算奠定基础。

 

References:

1. Nature 547, 428-432 (2017).

2. IEEE J. Emerg. Sel. Topics Circuits Syst. 5, 5-16 (2015).

3. IEEE Trans. Circuits Syst. 63, 2267 (2016).

4. Proceedings of the IEEE 104, 1449 (2016); 104, 2024 (2016).


Copyright © Xuefeng Wang Group. All Rights Reserved.
School of Electronic Science and Engineering, Nanjing University
XML 地图 | Sitemap 地图