CN115188881A - 一种基于磁隧道结的神经元器件及神经网络装置 - Google Patents

一种基于磁隧道结的神经元器件及神经网络装置 Download PDF

Info

Publication number
CN115188881A
CN115188881A CN202210381021.7A CN202210381021A CN115188881A CN 115188881 A CN115188881 A CN 115188881A CN 202210381021 A CN202210381021 A CN 202210381021A CN 115188881 A CN115188881 A CN 115188881A
Authority
CN
China
Prior art keywords
layer
ferromagnetic
ferromagnetic free
boundary
free layer
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202210381021.7A
Other languages
English (en)
Inventor
邢国忠
王紫崴
赵雪峰
王迪
刘龙
林淮
张昊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Institute of Microelectronics of CAS
Original Assignee
Institute of Microelectronics of CAS
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Institute of Microelectronics of CAS filed Critical Institute of Microelectronics of CAS
Priority to CN202210381021.7A priority Critical patent/CN115188881A/zh
Priority to PCT/CN2022/092117 priority patent/WO2023197389A1/zh
Publication of CN115188881A publication Critical patent/CN115188881A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H10—SEMICONDUCTOR DEVICES; ELECTRIC SOLID-STATE DEVICES NOT OTHERWISE PROVIDED FOR
    • H10N—ELECTRIC SOLID-STATE DEVICES NOT OTHERWISE PROVIDED FOR
    • H10N50/00—Galvanomagnetic devices
    • H10N50/10—Magnetoresistive devices
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/06—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons
    • G06N3/063—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons using electronic means
    • H—ELECTRICITY
    • H10—SEMICONDUCTOR DEVICES; ELECTRIC SOLID-STATE DEVICES NOT OTHERWISE PROVIDED FOR
    • H10N—ELECTRIC SOLID-STATE DEVICES NOT OTHERWISE PROVIDED FOR
    • H10N50/00—Galvanomagnetic devices
    • H10N50/80—Constructional details

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Neurology (AREA)
  • Hall/Mr Elements (AREA)

Abstract

本发明公开了一种基于磁隧道结的神经元器件及神经网络装置，其中，基于磁隧道结的神经元器件包括：合成反铁磁结构层，所述合成反铁磁结构的第一侧设置有底电极；势垒层，设置在所述合成反铁磁结构层的第二侧；铁磁自由层，设置在所述势垒层上远离所述底电极的一侧；顶电极，设置在所述铁磁自由层上远离所述底电极的一侧；第一边界反铁磁钉扎层和第二边界反铁磁钉扎层，均设置在所述铁磁自由层上远离所述底电极的一侧，并且分别位于所述顶电极的两侧；本发明的基于磁隧道结的神经元器件可通过调整合成反铁磁结构层更好的控制产生杂散场的强度，实现泄露速度的调节，保证高可靠性的自泄露功能，有利于微缩和集成。

Description

一种基于磁隧道结的神经元器件及神经网络装置
技术领域
本发明涉及人工神经网络技术领域，尤其涉及一种基于磁隧道结的神经元器件及神经网络装置。
背景技术
随着人工智能领域的快速发展，大规模数据处理的需求急剧增加，神经形态网络因其既能提高处理复杂任务的效率，也能降低功耗，而展现出独有的优势。目前，尽管各种算法使人工神经网络得到大力发展，但神经形态计算的进展仍然受到缺乏专用硬件的限制。鉴于摩尔定律的发展逐渐放缓以及冯·诺依曼瓶颈的限制，基于CMOS(ComplementaryMetal Oxide Semiconductor，互补金属氧化物半导体)硬件的计算速度和能量效率正逐渐接近其理论极限，而新兴的自旋电子器件因其超快动态、低功耗、非易失性、抗疲劳性和随机性等诸多特点，使其在神经形态计算方面具有显著的优势和应用潜力。神经形态网络的核心在于实现神经元和突触的功能。利用自旋电子器件可以有效模拟突触权重功能，通过调控磁隧道结(Magnetic Tunnel Junction，MTJ)的隧穿磁电阻可以实现多组态的调制，这种非易失性电阻可用于构成交叉点阵列以实现神经网络中关键的“向量矩阵”乘法功能。但因为神经元的功能相对复杂，对神经元硬件实现的研究相对较少。神经科学的研究表明，神经元的功能包括：积累外界输入的激励信号，在达到一定的阈值时向外界释放输出信号，在没有输入激励时，积累信号逐渐泄露，即leaky-integrate-fire(LIF)功能。基于磁畴壁运动的自旋电子器件在神经元器件的硬件实现方面具有巨大的潜力，通过自旋转移矩作用(Spin Transfer Torque,STT)或自旋轨道矩作用(Spin Orbit Torque,SOT)可以驱动磁畴壁的运动。通过器件结构以及材料的设置可以实现磁畴壁的自动回撤。在磁畴壁运动到阈值位置时引起磁隧道结的隧穿磁电阻变化，可结合外部电路输出一电流尖峰信号。因此通过全电控手段可以有效模拟神经元的leaky-integrate-fire功能，为神经形态网络大规模高速并行计算的硬件实现提高一种可行的方案。
目前现有技术中有利用硬磁体产生的磁场，或梯形铁磁自由层产生的能量梯度，或单轴磁各向异性梯度产生的能量梯度，实现自泄露功能。并通过自旋转移矩驱动磁畴壁运动，并当磁畴壁运动到阈值区域时，通过引起磁隧道结隧穿磁电阻的变化，输出一个尖峰脉冲信号。从而模拟神经元的leaky-integrate-fire功能。但是现有技术实现泄露功能时，难以调控泄露速度。
发明内容
本申请实施例通过提供一种基于磁隧道结的神经元器件及神经网络装置，可通过调整合成反铁磁结构层更好的控制产生杂散场的强度，实现泄露速度的调节，保证高可靠性的自泄露功能，有利于微缩和集成。
第一方面，本申请通过本申请的一实施例提供如下技术方案：
一种基于磁隧道结的神经元器件，包括：
合成反铁磁结构层，所述合成反铁磁结构的第一侧设置有底电极；势垒层，设置在所述合成反铁磁结构层的第二侧；铁磁自由层，设置在所述势垒层上远离所述底电极的一侧；其中，所述铁磁自由层受到的杂散场由所述合成反铁磁结构层的结构确定；顶电极，设置在所述铁磁自由层上远离所述底电极的一侧；第一边界反铁磁钉扎层和第二边界反铁磁钉扎层，均设置在所述铁磁自由层上远离所述底电极的一侧，并且分别位于所述顶电极的两侧；所述第一边界反铁磁钉扎层和所述第二边界反铁磁钉扎层分别用于确定所述铁磁自由层两端的磁化方向，以使所述铁磁自由层中的磁畴壁在所述第一边界反铁磁钉扎层和所述第二边界反铁磁钉扎层之间运动；第一边界电极，设置在所述第一边界反铁磁钉扎层上远离所述底电极的一侧；以及第二边界电极，设置在所述第二边界反铁磁钉扎层上远离所述底电极的一侧。
可选的，所述合成反铁磁结构层的不同长度位置的宽度相同，以使所述铁磁自由层受到均匀的杂散场。
可选的，所述合成反铁磁结构层的宽度由中间向两端减小，以使所述铁磁自由层受到非均匀杂散场。
可选的，所述铁磁自由层为具有垂直磁各向异性的材料。
可选的，所述铁磁自由层为具有倾斜磁各向异性的材料。
可选的，所述合成反铁磁结构层包括铁磁参考层、合成反铁磁耦合层和底部铁磁层；所述底电极设置在所述底部铁磁层的第一侧，所述合成反铁磁耦合层设置在所述底部铁磁层的第二侧，所述铁磁参考层设置在所述合成反铁磁耦合层上远离所述底部铁磁层的一侧；其中，所述铁磁参考层和底部铁磁层的饱和磁化强度，用于确定合成反铁磁结构层的补偿程度，以调整所述铁磁自由层受到的杂散场的强度。
可选的，所述铁磁自由层的磁矩易轴与所述铁磁自由层所在平面的夹角为30°～90°。
可选的，还包括重金属层，所述重金属层设置在所述铁磁自由层远离所述底电极的一侧。
第二方面，本申请通过本申请的一实施例提供如下技术方案：
一种神经网络装置，包括权利要求1-9中任一所述的基于磁隧道结的神经元器件。
可选的，所述神经网络装置还包括：写控制字线，写位线，读控制字线，读位线，源线，第一开关管和第二开关管；所述写控制字线连接所述第一开关管的栅极，所述写位线通过所述第一开关管连接至所述第一边界电极，所述读控制字线连接至所述第二开关管的栅极，所述读位线通过所述第二开关管连接至所述顶电极，所述第二边界电极接地，所述源线连接所述底电极。
本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
1、本实施中的基于磁畴壁运动的神经元器件可以在全电控下模拟神经元的LIF功能，可用于高能效脉冲神经网络(Spiking Neuron Networks，SNN)。通过合成反铁磁结构层对铁磁自由层受到的杂散场进行调节，实现磁畴壁的自动回撤，实现高可靠性的自泄露功能，利于进一步微缩和集成。
2、本实施中的基于磁畴壁运动的神经元器件通过简单调节合成反铁磁结构层形状，就可以实现对不同区域泄露速度的精确调节，进而模拟多种线性或非线性LIF神经元特性，可调控性好。
3、本实施中的基于磁畴壁运动的神经元器件通过调节具有倾斜磁各向异性的铁磁自由层的厚度，使铁磁自由层磁矩具有一定的面内分量，同时提高磁畴壁在积累和泄露过程中的运动速度，可以实现高速神经元器件。
4、本实施中的基于磁畴壁运动的神经元器件只需要通过适当减小驱动电流，并将合成反铁磁结构层的形状调节为两端向中间逐渐加宽，使磁畴壁的运动速度先加快再减慢，结合磁隧道结的隧穿磁电阻关系，就可以实现人工神经形态网络中的Sigmoid激活函数功能，可用于目前常见的卷积神经网络(Convolutional Neuron Networks，CNN)等神经网络架构。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例中的一种基于磁隧道结的神经元器件的一实现结构示意图；
图2示出了本发明实施例中在神经元泄露过程中磁矩易轴朝向不同的情况下磁畴壁位置随时间变化图像；
图3示出了本发明实施例中在神经元积累过程中磁矩易轴朝向不同的情况下磁畴壁位置随时间变化图像；
图4示出了本发明实施例中在神经元积累过程中不同密度的电流驱动下磁畴壁位置随时间变化图像。
图5中示出了本发明实施例中的一种基于磁隧道结的神经元器件的又一实现结构示意图；
图6示出了本发明实施例中在神经元泄露过程中不同杂散场强度下磁畴壁位置随时间变化图像；
图7示出了本发明实施例中不同尺寸宽度的合成反铁磁结构层的杂散场空间分布图像；
图8中示出了本发明实施例中的一种基于磁隧道结的神经元器件的又一实现结构示意图；
图9中示出了本发明实施例中的一种基于磁隧道结的神经元器件的又一实现结构示意图及磁矩易轴方向示意图；
图10中示出了本发明实施例中的一种神经网络装置的结构示意图。
具体实施方式
以下，将参照附图来描述本公开的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本公开的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。
在附图中示出了根据本公开实施例的各种结构示意图。这些图并非是按比例绘制的，其中为了清楚表达的目的，放大了某些细节，并且可能省略了某些细节。图中所示出的各种区域、层的形状以及它们之间的相对大小、位置关系仅是示例性的，实际中可能由于制造公差或技术限制而有所偏差，并且本领域技术人员根据实际所需可以另外设计具有不同形状、大小、相对位置的区域/层。
在本公开的上下文中，当将一层/元件称作位于另一层/元件“上”时，该层/元件可以直接位于该另一层/元件上，或者它们之间可以存在居中层/元件。另外，如果在一种朝向中一层/元件位于另一层/元件“上”，那么当调转朝向时，该层/元件可以位于该另一层/元件“下”。
请参阅图1，在本发明的一实施例中提供了一种基于磁隧道结的神经元器件10，可用于模拟神经元放电过程；该基于磁隧道结的神经元器件10，包括：合成反铁磁结构层111、势垒层107、铁磁自由层106、顶电极103、第一边界反铁磁结构层102、第二边界反铁磁结构层105、第一边界电极101和第二边界电极104。
合成反铁磁结构层111(SAF结构)，用于产生杂散场，并调整铁磁自由层106受到的杂散场，合成反铁磁结构层111的第一侧设置有底电极。
具体的，合成反铁磁结构层111包括铁磁参考层108、合成反铁磁耦合层109和底部铁磁层110；底电极设置在底部铁磁层110的第一侧，合成反铁磁耦合层109设置在底部铁磁层110的第二侧，铁磁参考层108设置在合成反铁磁耦合层109上远离底部铁磁层110的一侧；其中，铁磁参考层108和底部铁磁层110的饱和磁化强度，用于确定合成反铁磁结构层111的补偿程度，以产生对应强度的杂散场。另外，还可通过调节合成反铁磁结构层111中底部铁磁层110和铁磁参考层108的饱和磁化强度，可以调制合成反铁磁结构层111的补偿程度，产生的不同强度的杂散场，实现对整体泄露速度的调节。
在本实施例中为了实现上述效果，底部铁磁层110和铁磁参考层108的组成材料包括以下任一种或多种具有垂直磁各向异性的材料：CoFeB、CoFe、Co/Pt(钴与铂交替的多层膜)、Ni/Co(镍与钴交替的多层膜)；合成反铁磁耦合层109的组成材料包括：Ru、Ta等金属的一种或多种。
势垒层107，即非磁性势垒层，设置在合成反铁磁结构层111的第二侧；该势垒层107的组成材料可包括：MgO、HfOx和Al2O3中的任一种或多种。
铁磁自由层106，设置在势垒层107上远离底电极的一侧；该铁磁自由层106的组成材料可包括：Co-Ni和Co等金属中的任一种或多种。在本实施例中，可通过合成反铁磁结构层111的底部铁磁层110和铁磁参考层108的磁化强度不完全补偿，调整杂散场，使得铁磁自由层106中磁畴壁存在与电流驱动方向相反的运动趋势，模拟神经元的泄露功能。在本实施例中，还可通过调节铁磁自由层106的厚度来调控铁磁自由层106磁矩的易轴朝向，以使磁矩具有一定的面内分量，提高磁畴壁在积累以及泄露过程中的运动速度，从而实现高速神经元器件。具体的，铁磁自由层106的磁矩易轴与铁磁自由层106所在平面(本实施例中以水平方向为例)的夹角为30°～90°。
具体的，磁矩易轴的朝向是多种磁各向异性相互竞争的结果。当铁磁薄膜厚度很小时，因为表面各向异性的作用，磁矩易轴朝向倾向于沿垂直于薄膜的方向。当倾斜沉积某些铁磁材料薄膜的沉积入射角大于60°时，磁矩易轴朝向会被限制在入射面内。实验表明，采用倾斜沉积的方法时，通过调节铁磁自由层106的厚度，可以调节自由层的磁矩易轴朝向，使磁矩易轴具有一定的面内分量，可以同时提高磁畴壁在积累和泄露过程中的运动速度，实现高速神经元器件。
请参阅图2，图2示出了在神经元泄露过程中，磁矩易轴(EA)朝向不同的情况下，磁畴壁位置随时间变化图像。用2mT的杂散场实现神经元泄露，当磁矩易轴朝向与水平方向成90°夹角时，神经元泄露的速度很慢，当磁矩易轴朝向与水平方向的夹角减小为60°时，磁矩有一定的面内分量，神经元泄露的速度加快。当磁矩易轴朝向与水平方向的夹角进一步减小为45°时，神经元泄露的速度有所减慢，但仍快于没有面内分量的情况。当磁矩易轴朝向与水平方向的夹角进一步减小为30°时，神经元泄露的速度与没有面内分量的情况相近。因此，可以通过适当调节自由层易轴朝向来调制磁矩面内分量，从而加快神经元泄露速度。
请参阅图3，图3示出了在神经元积累过程中，磁矩易轴(EA)朝向不同的情况下，磁畴壁位置随时间变化图像。用1×108A/cm2的电流驱动磁畴壁运动，当磁矩与水平方向夹角小于90°，磁矩有一定的面内分量时，神经元积累速度要快于没有面内分量的情况。随着磁矩易轴朝向与水平方向夹角在30°，45°，60°间变化，神经元积累的整体速度变化不大，只是在积累过程的不同时刻速度有所差别。当磁矩易轴朝向与水平方向成0°夹角时，驱动电流的自旋轨道矩作用对水平方向磁矩的翻转能力较弱，此时磁畴壁积累的速度最慢。因此，可以通过适当调节铁磁自由层106的磁矩易轴朝向，加快神经元积累速度。
进一步的，还可通过调节注入电流密度的大小来加快神经元积累速度，如图4所示。图4示出了神经元积累过程中，铁磁自由层106的磁矩易轴方向为45°，杂散场强度恒定时，在不同密度的电流驱动下，磁畴壁位置随时间变化图像。随着电流密度的增加，磁畴壁积累的速度加快，从左端运动到右端所需的时间显著减少。当电流密度较小时，自旋电流的自旋转移矩对磁畴壁的驱动作用不足以克服杂散场的反向抑制作用，磁畴壁无法积累到右端。因此，在杂散场存在时，通过调节注入电流密度的大小，实现调节神经元的积累速度。
顶电极103，设置在铁磁自由层106上远离底电极的一侧。
第一边界反铁磁钉扎层和第二边界反铁磁钉扎层，均设置在铁磁自由层106上远离底电极的一侧，并且分别位于顶电极103的两侧；制作第一边界反铁磁钉扎层和第二边界反铁磁钉扎层时，可以通过增加铁磁自由层106端部的厚度来实现。
第一边界反铁磁钉扎层和第二边界反铁磁钉扎层，用于分别确定铁磁自由层106两端的磁化方向，以使铁磁自由层106中的磁畴壁在第一边界反铁磁钉扎层和第二边界反铁磁钉扎层之间运动。具体的，第一边界反铁磁钉扎层和第二边界反铁磁钉扎层磁化方向相反，以实现磁畴壁的注入与钉扎。
也就是说，第一边界反铁磁钉扎层和第二边界反铁磁钉扎层可将铁磁自由层106两端磁矩分别钉扎在+z和-z方向，作为磁畴壁成核区；其中，+z方向为垂直于铁磁自由层106并远离底电极的方向，-z方向与+z方向相反。通过自旋极化电流产生的自旋转移矩作用，可驱动磁畴壁在铁磁自由层106中运动，模拟神经元的积累过程。通过合成反铁磁结构层111产生的杂散场作用使铁磁自由层106内磁矩翻转，实现磁畴壁在铁磁自由层106中自动回撤，模拟神经元的泄露过程。当自由层中的磁畴壁运动积累到阈值位置时，此处铁磁自由层106的磁化方向发生翻转，磁隧道结两端铁磁自由层106磁矩由反平行态切换到平行态，隧穿磁电阻减小，结合外部电路可输出一个电流尖峰信号，模拟神经元放电过程。
进一步的，通过来自突触的电流脉冲的幅值，脉宽以及数量，驱动铁磁自由层106中的磁畴壁运动；当没有电流脉冲或电流脉冲较小时，磁畴壁会在SAF结构杂散场的作用下，反向运动；当磁畴壁运动到顶电极103所在区域，即读出电流经过区域的MTJ两端铁磁自由层106磁矩由反平行态切换到平行态，MTJ结合外围电路输出一个电流尖峰信号，进而模拟神经元完整的泄露-积累-释放特性。
请参阅图5，在一些实现方式中，磁隧道结的神经元器件100，除了通过在铁磁自由层106边界局部钉扎区域产生自旋极化流，通过自旋转移矩驱动磁畴壁，还可以通过在铁磁自由层106上方沉积一层重金属层401，通过自旋霍尔效应实现自旋极化流注入，通过自旋轨道矩驱动磁畴壁。
在本实施例中，顶电极103、第一边界电极101和第二边界电极104的材料可包括：Cu、Au等金属中的一种或多种。
第一边界电极101，设置在第一边界反铁磁钉扎层上远离底电极的一侧；以及第二边界电极104，设置在第二边界反铁磁钉扎层上远离底电极的一侧。
在本实施例中，可将合成反铁磁结构层111的不同长度位置的宽度进行设计，以调控不同区域的铁磁自由层106的杂散场强度，进而调控不同区域的泄露速度，从而实现多种线性/非线性的神经元特性。请参阅图6，图6示出了神经元泄露过程中，铁磁自由层106磁矩易轴方向为45°，在不同杂散场强度下，磁畴壁位置随时间变化图像。在没有注入电流时，随着杂散场强度的增加，磁畴壁泄露的速度加快，从右端回到左端所需的时间显著减少。因此，利用杂散场可以有效实现神经元的泄露过程，并且通过调节杂散场的强度大小，可以调节神经元的泄露速度。请参阅图7，在图7中示出了不同尺寸宽度的SAF结构的杂散场空间分布图像。SAF结构的尺寸宽度越小，铁磁自由层106与SAF结构边缘的距离越小，铁磁自由层106受到的杂散场作用越大。因此，通过调节SAF结构的尺寸宽度可以有效调控铁磁自由层106受到的杂散场大小。
例如，在一些实现方式中，可将合成反铁磁结构层111的不同长度位置的宽度设置为相同，从而可保证合成反铁磁结构层111产生均匀杂散场，使铁磁自由层106受到均匀杂散场，实现线性的神经元特性，如图1所示。
又如在一些实现方式中，请参阅图8，磁隧道结的神经元器件20包括：合成反铁磁结构层211、势垒层207、铁磁自由层206、顶电极203、第一边界反铁磁结构层202、第二边界反铁磁结构层205、第一边界电极201和第二边界电极204；其中，合成反铁磁结构层211包括铁磁参考层208、合成反铁磁耦合层209和底部铁磁层110。可将合成反铁磁结构层211的宽度设置为由中间向两端减小，从而可保证合成反铁磁结构层211产生非均匀杂散场，使铁磁自由层206受到非均匀杂散场，实现非线性的神经元特性。具体的，可将合成反铁磁结构层211的形状设置为两端向中间逐渐加宽，使铁磁自由层206在运动过程中受到的杂散场的反向抑制作用由两端向中间逐渐减弱，磁畴壁的运动速度先加快再减慢，磁隧道结的电阻与磁畴壁在铁磁自由层206中的运动距离线性相关，可以实现脉冲数与磁隧道结隧穿电流的非线性Sigmoid函数关系。
下面结合实际例子和图示对本发明原理进行进一步的阐述和说明：
请继续参阅图1，在图1所示的基于磁隧道结的神经元器件10中，左侧第一反铁磁钉扎层将铁磁自由层106左端区域的磁化方向钉扎在-z方向，右侧第二反铁磁钉扎层将铁磁自由层106右端区域的磁化方向钉扎在+z方向，铁磁自由层106中的磁畴壁在两端钉扎区域之间运动，而不会湮灭。底部铁磁层110磁化方向沿+z方向，铁磁参考层108磁化方向沿-z方向，底部铁磁层110比铁磁参考层108的饱和磁化强度大，两者对外产生的磁场不完全补偿，合成反铁磁耦合层109与其两侧的底部铁磁层110及铁磁参考层108构成SAF结构。SAF结构可对产生的杂散场进行调节，使其上方的铁磁自由层106磁化方向趋于+z方向，即使磁畴壁沿-x方向(沿铁磁自由层106的长度方向，并朝向第一边界电极101所在的方向)运动，模拟出神经元的泄露过程，当SAF结构的宽度一致时(即如图1所示的结构)，铁磁自由层106可受到均匀杂散场，实现对铁磁自由层106的磁畴壁的线性反向驱动，从而实现均匀的泄露速度。
当SAF层的不同长度位置的宽度变化时，如图8所示，可使铁磁自由层206受到非均匀杂散场，实现对铁磁自由层206磁畴壁的非线性反向驱动，从而实现非均匀的泄露速度。初始状态下，铁磁自由层206中非磁畴钉扎区域的磁化方向沿+z方向，即磁畴壁位于左端钉扎区域的边界；当有电流激励时，通过自旋极化电流的自旋转移矩作用使铁磁自由层206的磁化方向向-z方向翻转，即驱动磁畴壁沿+x方向(-x方向的反方向)运动，模拟出神经元的积累过程。经过一系列的积累和泄露的过程后，当磁畴壁运动到顶电极203下方对应区域时，顶、底电极间的读出电流经过区域的MTJ两端铁磁自由层206和铁磁参考层208的磁化方向由反平行切换到平行，隧穿磁电阻减小，结合外围电路输出一个电流尖峰信号，实现模拟神经元的放电过程。
请继续参阅图8，在图8中示出了非均匀杂散场实现非线性Sigmoid函数的基于磁隧道结的神经元器件。该例子中SAF结构的形状宽度为非均匀的，其中，SAF结构的宽度由两端向中间逐渐变宽。在电流脉冲较小时，自旋转移矩驱动铁磁自由层206中磁畴壁沿+x方向运动，SAF结构产生的杂散场使铁磁自由层206中磁畴壁沿-x方向运动，两者相互竞争。由于铁磁自由层206与合成反铁磁结构层211边缘的距离越大，其受到的杂散场作用越小，磁畴壁在运动过程中受到的杂散场的反向抑制作用由两端向中间逐渐减弱，磁畴壁的运动速度先加快再减慢。由于磁隧道结的隧穿磁电阻与磁畴壁在铁磁自由层206中的运动距离线性相关，可以实现电流脉冲数与磁隧道结隧穿电流的非线性Sigmoid函数关系。
请参阅图9，在图9中所示的基于磁隧道结的神经元器件30为利用面内分量实现高速神经元器件时的磁矩易轴方向示意图。与图1对应的例子区别在于铁磁自由层306的磁矩易轴方向不同。图1中的铁磁自由层106具有垂直磁各向异性，图3中的铁磁自由层306具有倾斜磁各向异性，其磁矩易轴朝向与y轴有一定的夹角，磁矩易轴具有一定的面内分量。利用磁矩的面内分量可以提高磁矩翻转的效率，同时提高磁畴壁在积累和泄露过程中的运动速度，从而实现高速神经元器件。
还需要说明的是：
1、本实施例中的提供的基于磁隧道结的神经元器件10的各层尺寸结构的大小可以根据工艺进行微缩。
2、用于调节杂散场强度的合成反铁磁结构层111以及铁磁自由层106的形状可以替换为多种线性或非线性的几何形状，例如在xy平面内呈正方形、长方形菱形、椭圆形、圆形或其他不规则形状，等等，以模拟神经元的多种线性或非线性特性。
3、铁磁自由层106中的磁矩面内分量还可以通过在一定磁场下退火的方式调节。
综上所述，本实施例提供的一种基于磁隧道结的神经元器件10至少具备如下的有益效果：
1、本实施中的基于磁畴壁运动的神经元器件可以在全电控下模拟神经元的LIF功能，可用于高能效脉冲神经网络(Spiking Neuron Networks，SNN)。通过SAF结构对铁磁自由层106受到的杂散场进行调节，实现磁畴壁的自动回撤，实现高可靠性的自泄露功能，利于进一步微缩和集成。
2、本实施中的基于磁畴壁运动的神经元器件通过简单调节SAF结构的形状，就可以实现对不同区域泄露速度的精确调节，进而模拟多种线性或非线性LIF神经元特性，可调控性好。
3、本实施中的基于磁畴壁运动的神经元器件通过调节具有倾斜磁各向异性的铁磁自由层106的厚度，使铁磁自由层106磁矩具有一定的面内分量，同时提高磁畴壁在积累和泄露过程中的运动速度，可以实现高速神经元器件。
4、本实施中的基于磁畴壁运动的神经元器件只需要通过适当减小驱动电流，并将SAF结构的形状调节为两端向中间逐渐加宽，使磁畴壁的运动速度先加快再减慢，结合磁隧道结的隧穿磁电阻关系，就可以实现人工神经形态网络中的Sigmoid激活函数功能，可用于目前常见的卷积神经网络(Convolutional Neuron Networks，CNN)等神经网络架构。
基于同一发明构思，在本发明的又一实施例中还提供了一种神经网络装置，包括前述实施例中任一所述的基于磁隧道结的神经元器件。具体的，请参阅图10，图10所示为神经网络装置的读写单元结构示意图。该读写单元结构电路采用MTJ结构，包含写控制字线WWL，写位线WBL，读控制字线RWL，读位线RBL，源线SL、第一开关管S1和第二开关管S2；写控制字线WWL连接第一开关管S1的栅极，用于控制第一开关管S1的导通和关断；写位线WBL通过第一开关管S1连接至第一边界电极101，读控制字线RWL连接至第二开关管S2的栅极，用于控制第二开关管S2的导通和关断，读位线RBL通过第二开关管S2连接至顶电极103，第二边界电极104接地，源线SL连接底电极。
写控制字线WWL打开时，形成由写位线WBL-磁畴壁输运自由层-地的电流通路，通过写位线WBL上的电信号控制注入电流，驱动磁畴壁运动。读控制字线RWL打开时，形成读位线RBL-磁隧道结(MTJ)-源线SL-地的电流通路，此时允许读出神经元器件释放的电信号。当磁畴壁运动到顶电极103下方对应区域时，MTJ的隧穿磁电阻减小，通过读位线RBL可输出一个电流尖峰信号，该信号也可以通过一比较放大器的信号放大后再输出。
需要说明的是，本实施例中提供的一种神经网络装置，其采用前述实施例中的基于磁隧道结的神经元器件作为基础组成单元；因此，该神经网络装置还与前述实施例中的基于磁隧道结的神经元器件具备相同的有益效果，具体可参见前述实施例，本实施中不再赘述。
在以上的描述中，对于各层的构图、刻蚀等技术细节并没有做出详细的说明。但是本领域技术人员应当理解，可以通过各种技术手段，来形成所需形状的层、区域等。另外，为了形成同一结构，本领域技术人员还可以设计出与以上描述的方法并不完全相同的方法。另外，尽管在以上分别描述了各实施例，但是这并不意味着各个实施例中的措施不能有利地结合使用。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种基于磁隧道结的神经元器件，其特征在于，包括：
合成反铁磁结构层，所述合成反铁磁结构的第一侧设置有底电极；
势垒层，设置在所述合成反铁磁结构层的第二侧；
铁磁自由层，设置在所述势垒层上远离所述底电极的一侧；其中，所述铁磁自由层受到的杂散场由所述合成反铁磁结构层的结构确定；
顶电极，设置在所述铁磁自由层上远离所述底电极的一侧；
第一边界反铁磁钉扎层和第二边界反铁磁钉扎层，均设置在所述铁磁自由层上远离所述底电极的一侧，并且分别位于所述顶电极的两侧；所述第一边界反铁磁钉扎层和所述第二边界反铁磁钉扎层分别用于确定所述铁磁自由层两端的磁化方向，以使所述铁磁自由层中的磁畴壁在所述第一边界反铁磁钉扎层和所述第二边界反铁磁钉扎层之间运动；
第一边界电极，设置在所述第一边界反铁磁钉扎层上远离所述底电极的一侧；以及第二边界电极，设置在所述第二边界反铁磁钉扎层上远离所述底电极的一侧。
2.如权利要求1所述的基于磁隧道结的神经元器件，其特征在于，所述合成反铁磁结构层的不同长度位置的宽度相同，以使所述铁磁自由层受到均匀的杂散场。
3.如权利要求1所述的基于磁隧道结的神经元器件，其特征在于，所述合成反铁磁结构层的宽度由中间向两端减小，以使所述铁磁自由层受到非均匀杂散场。
4.如权利要求1所述的基于磁隧道结的神经元器件，其特征在于，所述铁磁自由层为具有垂直磁各向异性的材料。
5.如权利要求1所述的基于磁隧道结的神经元器件，其特征在于，所述铁磁自由层为具有倾斜磁各向异性的材料。
6.如权利要求1所述的基于磁隧道结的神经元器件，其特征在于，所述合成反铁磁结构层包括铁磁参考层、合成反铁磁耦合层和底部铁磁层；所述底电极设置在所述底部铁磁层的第一侧，所述合成反铁磁耦合层设置在所述底部铁磁层的第二侧，所述铁磁参考层设置在所述合成反铁磁耦合层上远离所述底部铁磁层的一侧；
其中，所述铁磁参考层和底部铁磁层的饱和磁化强度，用于确定合成反铁磁结构层的补偿程度，以调整所述铁磁自由层受到的杂散场的强度。
7.如权利要求1所述的基于磁隧道结的神经元器件，其特征在于，所述铁磁自由层的磁矩易轴与所述铁磁自由层所在平面的夹角为30°～90°。
8.如权利要求1所述的基于磁隧道结的神经元器件，其特征在于，还包括重金属层，所述重金属层设置在所述铁磁自由层远离所述底电极的一侧。
9.一种神经网络装置，其特征在于，包括权利要求1-9中任一所述的基于磁隧道结的神经元器件。
10.如权利要求9所述的神经网络装置，其特征在于，还包括：写控制字线，写位线，读控制字线，读位线，源线，第一开关管和第二开关管；所述写控制字线连接所述第一开关管的栅极，所述写位线通过所述第一开关管连接至所述第一边界电极，所述读控制字线连接至所述第二开关管的栅极，所述读位线通过所述第二开关管连接至所述顶电极，所述第二边界电极接地，所述源线连接所述底电极。
CN202210381021.7A 2022-04-12 2022-04-12 一种基于磁隧道结的神经元器件及神经网络装置 Pending CN115188881A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202210381021.7A CN115188881A (zh) 2022-04-12 2022-04-12 一种基于磁隧道结的神经元器件及神经网络装置
PCT/CN2022/092117 WO2023197389A1 (zh) 2022-04-12 2022-05-11 一种基于磁隧道结的神经元器件及神经网络装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210381021.7A CN115188881A (zh) 2022-04-12 2022-04-12 一种基于磁隧道结的神经元器件及神经网络装置

Publications (1)

Publication Number Publication Date
CN115188881A true CN115188881A (zh) 2022-10-14

Family

ID=83512528

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210381021.7A Pending CN115188881A (zh) 2022-04-12 2022-04-12 一种基于磁隧道结的神经元器件及神经网络装置

Country Status (2)

Country Link
CN (1) CN115188881A (zh)
WO (1) WO2023197389A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024197775A1 (zh) * 2023-03-31 2024-10-03 中国科学院微电子研究所 自旋电子器件、电路单元、计算网络、算子以及神经网络

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101598833B1 (ko) * 2009-12-21 2016-03-03 삼성전자주식회사 자기 메모리 소자 및 그 동작방법
CN107871815A (zh) * 2016-09-28 2018-04-03 中国科学院苏州纳米技术与纳米仿生研究所 基于磁性隧道结的忆阻器
US10056430B1 (en) * 2017-10-25 2018-08-21 Sandisk Technologies Llc MRAM with voltage dependent in-plane magnetic anisotropy
CN112133343B (zh) * 2019-06-25 2022-08-23 中电海康集团有限公司 磁性存储单元及磁性存储器
CN113193110B (zh) * 2021-03-19 2023-01-17 中国科学院微电子研究所 基于磁畴壁驱动型磁隧道结的激活函数发生器及制备方法
CN113611794B (zh) * 2021-07-05 2024-04-26 中国科学院微电子研究所 全电控自旋纳米振荡器神经元器件

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024197775A1 (zh) * 2023-03-31 2024-10-03 中国科学院微电子研究所 自旋电子器件、电路单元、计算网络、算子以及神经网络

Also Published As

Publication number Publication date
WO2023197389A1 (zh) 2023-10-19

Similar Documents

Publication Publication Date Title
US7307876B2 (en) High speed low power annular magnetic devices based on current induced spin-momentum transfer
Wolf et al. The promise of nanomagnetics and spintronics for future logic and universal memory
EP2220651B1 (en) High speed low power magnetic devices based on current induced spin-momentum transfer
Tehrani et al. Magnetoresistive random access memory using magnetic tunnel junctions
Ikeda et al. Magnetic tunnel junctions for spintronic memories and beyond
US7502248B2 (en) Multi-bit magnetic random access memory device
US7567453B2 (en) Advanced multi-bit magnetic random access memory device
WO2016159017A1 (ja) 磁気抵抗効果素子、磁気メモリ装置、製造方法、動作方法、及び集積回路
Behin-Aein et al. Computing with spins and magnets
US7336528B2 (en) Advanced multi-bit magnetic random access memory device
CN110061127B (zh) 磁隧道结的形成方法及磁阻式随机存储器
JP2014502423A (ja) 双極性スピン転移反転
US20210383850A1 (en) Electric-field-induced switching of antiferromagnetic memory devices
Chen et al. Spintronic devices for high-density memory and neuromorphic computing–A review
Dhull et al. Advances in magnetic domain walls and their applications
CN115188881A (zh) 一种基于磁隧道结的神经元器件及神经网络装置
US12068746B2 (en) Magnetic logic device, circuit having magnetic logic devices, and methods for controlling the magnetic logic device and the circuit
Mansueto et al. Realizing an isotropically coercive magnetic layer for memristive applications by analogy to dry friction
US20230394291A1 (en) Neuron device based on spin orbit torque
WO2022062427A1 (zh) 全电控自旋电子神经元器件、神经元电路和神经网络
CN112864314B (zh) 磁电阻器件以及改变其阻态的方法、突触学习模块
Wang et al. Magnetic tunnel junction based integrated logics and computational circuits
Saini et al. Skyrmionium-Based Leaky Integrate and Fire Neuron
CN113326928A (zh) 全电控自旋电子神经元器件、神经元电路和神经网络
Raj et al. SAF skyrmion-based leaky-integrate fire neuron device

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination