[发明专利]自旋电子类脑信息处理芯片

说明书

本发明公开了自旋电子类脑信息处理芯片，对历史数据具有学习能力，能应用于大数据分类和模拟信号的识别。该自旋类脑神经网络是基于两类纳米尺寸自旋力矩自旋电子器件构建的，可以COMS工艺相结合，能模仿人脑神经元和突触处理和传输信息的功能。本发明所提出的自旋力矩纳米磁振荡器和电流驱动磁畴壁移动忆阻器是新一类信息处理和存储为一体逻辑自旋器件。自旋力矩纳米磁振荡器是基于电流导致自旋力矩效应，利用电流产生的自旋力矩激发和稳定磁性层中磁矩在纳米尺度下绕外磁场或总有效磁场作高频进动，其进动频率在0.1GHz～50GHz范围内可根据器件结构和外加磁场、电流或电压等参数进行可控调制。

技术领域

本发明涉及新型自旋电子器件在人工智能领域的应用，尤其是在类脑神经形态计算和非冯-诺依曼架构信息处理设计方面。

背景技术

最近几年来，人工智能引起了越来越多的关注。“人工智能”已被写入美国、欧盟、中国等多国或地区的政府工作报告中，已上升为国家战略，被视为新的经济引擎。目前限制人工智能发展的核心因素有两方面：一是对类脑计算的过程理解不够，人工智能算法需要突破；二是适合于神经形态计算的新型人工智能硬件芯片的设计和性能需要解决。目前绝大多数人工智能技术还专注在深度学习和模型算法等软件层面，并对计算机的运算速度和运算次数要求很高。由于基于冯-诺依曼架构计算机在人工智能算法方面突显出其运算效率低和能耗大等缺陷和瓶颈，一般常规计算机(中央处理单元CPU和图形处理单元GPU)都很难满足一些简单的深度学习软件建模的要求。如果要将人工智能要应用到移动设备，例如智能手机，将面临性能、功耗、散热、安全和便携性等诸多问题。

在生物神经网络中，神经元是构成神经系统结构和功能的基本单元，它具有接受、整合和传递信息的功能。神经元的形态和功能多种多样，但在结构上大致都可分成细胞体、树突和轴突三个部分。神经元之间是通过突触构成信息传递的基本通道与回路，从而形成阶层网络进行信息的平行处理，并通过突触权重和网络拓扑结构调节存储信息和控制结果输出。人脑由约10¹¹个神经元和10¹⁵个突触组成，神经元和突触结构，是人脑认知行为的关键组成部分。受生物神经网络的启发，处理器可以被视为神经元，而网络存储器相当于互连的突触，基于神经元和突触的类脑神经形态芯片被设计专门用于模仿人类大脑同时处理多种数据的能力和自我学习的能力，例如：图像和声音识别、复杂非线性系统预测等。设计和研制出具有高密度和超低功耗的类脑神经形态芯片硬件是人工智能发展的一个重要方向和突破点。神经形态芯片之所以具有巨大的市场潜力，是因为此类芯片处理人工智能算法的效率高和功耗极低，能克服当前冯-诺依曼架构处理器在人工智能应用所面临的上述诸多问题。自旋电子器件具有很强的非线性效应和瞬时记忆特征，能进行非线性运算，有很高的容错能力，非常适合构建适合人工智能算法的类脑神经形态计算芯片或人工神经网络。

发明内容

为突破当前冯-诺依曼架构计算机在人工智能算法方面突显出其运算效率低和能耗大等缺陷和瓶颈，本发明提出的一种非冯-诺依曼架构的自旋电子类脑信息处理芯片，不仅具有低功耗、非易失存储、无限次高速读写等优点，而且还具有信息存储与信息处理器统一，能消除当前计算器中信息存储与信息处理的分工壁垒，从而进一步降低计算功耗和提升速度。

技术方案：

自旋电子类脑信息处理芯片，由基本单元扩展成二维或三维阵列构成；

所述基本单元包括三极管、自旋力矩磁振荡器或自旋轨道矩驱动磁畴壁移动忆阻器、电感、电容以及二极管；所述三极管的栅极与字线相连，所述三极管的一源极与位线相连，所述三极管的另一源极与所述自旋力矩磁振荡器或自旋轨道矩驱动磁畴壁移动忆阻器的底电极相连，所述自旋力矩磁振荡器或自旋轨道矩驱动磁畴壁移动忆阻器的上电极分别与电压信号线V_DD，所述电感以及所述电容相连，而所述电感另一端与另一位线相连，所述电容另一端与所述二极管相连，所述二极管另一端与另一字线相连。