LAO-NCS：基于激光辅助自旋扭矩纳米振荡器的神经形态计算系统

摘要： 处理大数据（尤其是视频和图像）是现有冯·诺依曼架构机器面临的最大挑战，而人脑凭借其大规模并行结构，能在瞬间完成图像与视频处理。目前被广泛研究的最具前景解决方案是类脑计算机——即神经形态计算系统(NCS)。该系统通过借鉴大脑的巨量并行数据处理机制，突破了传统计算机逐字处理的思维局限。近年来，基于自旋电子学的NCS展现出实现低功耗高密度系统的潜力：其中神经元采用磁隧道结(MTJ)或自旋扭矩纳米振荡器(STNO)构建，忆阻器则用于模拟突触功能。尽管相比MTJ，使用STNO作为神经元能耗更低，但由于启动具有可检测输出功率的振荡需要较高偏置电流，自旋电子学NCS的功耗仍与生物大脑存在巨大差距。 本文提出一种196×10规模的基于自旋电子学的NCS概念验证方案，通过微瓦级纳秒激光脉冲辅助STNO振荡来降低系统功耗。实验表明：将STNO加热至100°C时，设计系统中STNO的功耗降低了55.3%；自旋电子层（STNO与忆阻器阵列）在100°C下的平均功耗较室温环境下降54.9%。相较于典型室温STNO基NCS，所提出的激光辅助STNO基NCS(LAO-NCS)在100°C下的总功耗改善达40%。最终，LAO-NCS在100°C时的能耗预计可比典型室温STNO基NCS降低86%。