磁性隧道的化合物模仿了突觸的行為，以進行能量有效的神經形態計算

人工智能（AI）的快速發展為現代計算機技術帶來了問題。常規的矽處理器達到了限制：他們消耗大量能量，存儲和處理單位沒有相互關聯，並且數據傳輸減慢了複雜的應用程序。

由於AI模型的大小不斷增加，並且必須處理大量數據，因此對新計算體系結構的需求正在增長。除了量子計算機外，焦點還轉移到神經形態概念上。這些系統基於人腦的工作原理。

在這裡，由塔赫雷·薩達特·帕爾維尼（Tahreh Sadat Parvini）博士領導的團隊和來自格雷夫斯瓦爾德大學（Greyfswald University of Greyfswald）的MarcusMünscentberg教授以及葡萄牙，丹麥和德國的同事開始了。他們找到了一種創新的方式來使明天的計算機更加能量效率。他們的研究集中在SO稱為的磁性隧道化合物（MTJ）圍繞納米尺度上的微小組件。

“這些組件不僅存儲信息，而且甚至像神經細胞一樣處理它。這使它們非常適合基於大腦的工作原理，我們所謂的“神經形態計算”的理想選擇。 出版 v 溝通物理場地

該研究小組開發了一種混合動力喚醒，該方案將電流與短激光脈衝相結合。這使得在MTJ中產生特別高的熱電應力 – 這是對突觸行為的靶向建模的重要先決條件。

物理學家能夠識別三個特別出色的特性：首先，可以根據電流靈活地調節產生的電壓，這與大腦突觸的重量相似。其次，出現自發的“激增”自發信號，類似於它們如何在神經細胞之間交換信息。第三，在計算機建模中，基於該技術的簡單神經形態網絡已經達到了手動編寫數字的93.7％的認可。

“我們的結果表明，具有光學電氣管理的MTJ是下一代計算的緊湊而節能的平台，”MarcusMüncentberg教授總結說。 “由於該技術與現代半導體技術兼容，因此我們認為將來可以在日常設備以及高性能計算機中使用它。”