Spin-Torque Memristors Based on Perpendicular MagneticTunnel Junctions for Neuromorphic Computing

Spin-Torque Memristors Based on Perpendicular MagneticTunnel Junctions for Neuromorphic Computing(Advanced Science)

忆阻器作为神经形态计算的关键器件，传统器件通常依赖离子运动，存在寿命有限和切换速度慢等问题。而自旋电子器件通过磁变状态调节，承诺更长的使用寿命。自旋转矩忆阻器（2009年提出）具有潜在的快速、高效和稳定优势，但面临在纳米尺寸范围内实现无外部磁场辅助的操作挑战。传统结构因热激活和刺激电流而难以稳定中间态。

结果与讨论

1. 记忆磁隧道结（Memristive MTJs）

• 设计了自由层包含钨插层的MTJ结构，通过自旋转矩切换实现忆阻行为。

• 器件展示了高达200%的隧穿磁阻比（TMR）和低阻抗-面积乘积（7Ω·µm²）。

• 通过短脉冲刺激获得多个稳定的中间态，证明其忆阻性能及对外部磁场的抗扰动能力。

2. 强磁域壁钉扎效应（Strong Domain Wall Pinning Effect）

• 针对自由层特性，实验和仿真表明钨插层增强了磁域壁的钉扎效应。

• Kerr显微镜观测显示磁域壁运动路径复杂，钉扎强度是单层CoFeB薄膜的4倍。

• 分析显示垂直涡旋磁结构（由反对称Dzyaloshinskii–Moriya相互作用和RKKY相互作用引起）是钉扎效应的主要原因。

3. 磁性混合涡旋结构（Hybrid Chiral Domain Wall Structure）

• 能量色散X射线光谱（EDS）显示钨原子的空间分布不均匀，形成局部反铁磁耦合区域。

• 微磁学仿真表明，局部区域中的弱交换耦合导致了垂直涡旋结构，从而在域壁运动中形成能量势阱。

• 这些势阱有效地阻止域壁移动，提高了中间态的稳定性。

4. 尖峰时序依赖性可塑性（Spike-Timing-Dependent Plasticity, STDP）

• 通过脉冲序列实验验证了器件的突触功能：

  • 不同时间延迟Δt下，电阻变化符合生物突触的增强与抑制特性。

  • 突触权重的调整幅度与Δt成反比，反映了高时间相关性信号的强适应能力。

5. 基于自旋忆阻器的尖峰神经网络（SNN）

• 构建了包含忆阻器突触的神经网络，并在MNIST手写数字集（0、1、2的子集）上进行无监督学习。

• 训练50轮后，突触权重逐渐收敛，成功实现了数字分类。

• 模拟结果证明忆阻器在神经形态计算中具有低功耗和高耐久性的显著优势。

结论

• 该研究开发了一种包含钨插层的高效自旋转矩忆阻器，具备高TMR比、低阻抗-面积乘积和稳定中间态。

• 实验和仿真分析揭示了强钉扎效应的物理机制，验证了其在神经形态计算中的实际应用能力。

• 未来研究将致力于进一步优化器件性能并探索其在更复杂神经网络中的应用。

实验方法

• 器件制备：使用磁控溅射法沉积MTJ薄膜，并通过电子束光刻和离子蚀刻进行纳米结构加工。

• 磁特性测量：采用磁光克尔显微镜和振动样品磁强计（VSM）分析磁域壁行为和膜层性能。

• 电学测试：通过四探针方法测量器件的阻抗变化。

• 仿真分析：基于OOMMF和Mumax3软件进行微磁学仿真，以研究磁域壁结构和能量变化。

原文链接

https://onlinelibrary.wiley.com/doi/epdf/10.1002/advs.202004645