近日，北航国际交叉科学研究院量子自旋中心赵巍胜教授、张悦教授团队在《科学》（Science）子刊《科学-进展》（Science Advances）期刊发表题目为《Magnon scattering modulated by omnidirectional hopfion motion in antiferromagnets for meta-learning》的研究成果，为实现基于自旋电子学的高性能人工智能器件提供了新的可能性，文章被选为Featured Image Article在官网首页展示。
人工智能是开启下一轮科技革命的关键。随着技术的发展，人工智能已经在文本生成、图像处理、自动驾驶等领域发挥了巨大作用。然而，基于传统CMOS的人工智能技术仍存在训练功耗高的问题，并且在实现通用人工智能的最终目标上遇到了巨大挑战。基于自旋电子学原理的人工智能实现路径，例如自旋神经形态器件等，具有低功耗的天然优势，并且有望通过模拟人脑的工作原理实现通用人工智能。
该工作融合了自旋电子学与人工智能算法的前沿成果，立足于实现“从0到1”的原始性创新。首先，研究了一种新型的三维磁孤子结构——霍普夫子（Hopfion）的性质，将其引入自旋人工智能硬件领域。同时详细研究了霍普夫子与磁子（Magnon）之间相互作用的独特规律，并提出了一种利用磁子驱动霍普夫子做3D全向运动的方法，使得霍普夫子能用于实现人工智能器件。
另外，首次提出了基于磁子频谱分析构造物理神经网络（Physical Neural Network）的设计范式。建立了磁子散射的数值模型，并据此设计了新的神经网络训练算法，使得磁子的频谱可以作为虚拟神经元节点，从而在单个硬件层面实现了神经网络。该设计不仅大幅降低了神经网络的实现成本，而且有望突破一直困扰神经器件设计的连接密度瓶颈。
最后，首次在硬件层面实现具备元学习（Meta-learning）能力的自旋人工智能器件。元学习能力是通用人工智能的重要组成部分。通过利用霍普夫子的全向运动和散射特性之间的非线性相关性，实现了对神经网络超参数的调节，使得所设计的物理神经网络具备了元学习能力，并用数值实验进行了验证，为自旋神经器件实现通用人工智能提供了一种可能性。
张悦教授课题组长期致力于新型自旋电子器件及集成应用研究，在材料层面[1-2]、机理层面[3-4]和器件层面[5-6]都获得了重要进展，在《自然-通讯》（Nature Communications）、《应用物理评论》（Applied Physics Reviews）、《ACS-纳米》（ACS-Nano）、《IEEE电子器件快报》（IEEE Electron Device Letters）等国际知名期刊发表了一系列研究成果。
论文原文链接：
https://www.science.org/doi/10.1126/sciadv.ade7439
参考文献：
1.Zheng Z, Zhang Y, Lopez-Dominguez V, et al.Field-free spin-orbit torque-induced switching of perpendicular magnetization in a ferrimagnetic layer with a vertical composition gradient. Nature Communications, 2021, 12(1): 4555.
2.Zhang K, Chen L, Zhang Y, et al.Efficient and controllable magnetization switching induced by intermixing-enhanced bulk spin–orbit torque in ferromagnetic multilayers. Applied Physics Reviews, 2022, 9(1): 011407.
3.Zheng Z, Zhang Z, Feng X, et al.Anomalousthermal-assistedspin–orbittorque-inducedmagnetizationswitching forenergy-efficientlogic-in-memory. ACS Nano, 2022, 16(5): 8264-8272.
4.Zhang Z, Zhu Y, Zhang Y, et al.Skyrmion-based ultra-low power electric-field-controlled reconfigurable (SUPER) logic gate. IEEE Electron Device Letters, 2019, 40(12): 1984-1987.
5.Zhang Z, Zheng Z, Zhang Y, et al. 3D ferrimagnetic device for multi-bit storage and efficient in-memory computing. IEEE Electron Device Letters, 2020, 42(2): 152-155.
6.Zhang Z, Sun J, Zheng Z, et al.Ultra-low-powerreservoircomputingbased onsyntheticantiferromagneticskyrmionpairs. IEEE Electron Device Letters, 2022, 43(9): 1567-1570.
