2024年物理学院“格致•创新”论坛-S. N. (Prem) Piramanayagam 副教授

发布日期:2024-12-27 作者:    编辑:夏雪宁    来源:

主讲人:S. N. (Prem) Piramanayagam 副教授(新加坡南洋理工大学

题目:基于磁畴壁器件的类脑计算技术

时间:2024年12月31日(周二)下午15:00

地点:格致楼3016会议室

邀请人:刘小晰 崔宝山

报告摘要:

类脑计算神经形态计算被认为是克服冯·诺依曼架构在人工智能应用中能效不足的潜在解决方案[1-4]。要实现基于自旋的神经形态计算,设计和制造电子神经元和突触的模拟器件是至关重要的。一个突触器件的电子模拟应该提供多个电阻状态。一个神经元器件应该能够接收多个输入,并在多个输入的总和超过阈值时提供脉冲输出。

我们的团队一直在实验室进行各种突触和神经元器件的设计和开发研究。基于磁隧道结(MTJs)的域壁(DW)器件,其中DW可以通过自旋轨道扭矩移动,是制造突触和神经元器件的合适候选器件[2]。自旋轨道扭矩有助于在低能量下实现DW运动,而使用MTJs有助于将DW位置信息转换为电阻水平(或电压脉冲)[3]。本次演讲将总结各种合成神经元突触元件和材料的设计[4]。演讲的前半部分将是一个入门级别,针对一年级研究生。后半部分将提供最新研究的详细信息。

[1] K Roy, A Jaiswal and P Panda, Naure 575 607-617 (2019)

[2] WLW Mah, JP Chan, KR Ganesh, VB Naik, SN Piramanayagam, Leakage function in magnetic domain wall based artificial neuron using stray field, Appl. Phys. Lett., 123 (9) 092401 (2023).

[3] D Kumar, HJ Chung, JP Chan, TL Jin, ST Lim, SSP Parkin, R Sbiaa and SN Piramanayagam, Ultralow Energy Domain Wall Device for Spin-Based Neuromorphic Computing ACS Nano 17(7) 6261-6274 (2023)

[4] R Maddu, D Kumar, S Bhatti and S.N. Piramanayagam, Spintronic Heterostructures for Artificial Intelligence: A Materials Perspective, Phys. Stat. Sol. RRL 17(6) 2200493 (2023).

个人简介:

S. N. (Prem) Piramanayagam 1994年在印度理工学院(孟买)获博士学位。1995-1999年在日本信州大学开展科研工作在新加坡的数据存储研究所(DSIA*STAR)工作。目前是新加坡南洋理工大学(NTU)副教授在磁性领域拥有30年的科研经验,研究主题包括非晶态磁性合金、永磁材料以及用于记录和自旋电子学应用的薄膜和纳米结构研究方向在磁性、电子学和纳米技术的跨学科领域。

Prem教授获新加坡南洋理工大学(NTU)教学优秀奖新加坡数据存储研究所(DSI)颁发的多项杰出研究奖IEEE的高级会员,并在IEEE磁学协会中担任技术委员会主席、行政委员会选举成员、新加坡分会主席,以及2018年在新加坡举办的Intermag会议联合主席发表200多篇期刊文章,并申请了多项专利担任 IEEE Transactions on Magnetics编辑,以及Nano (World Scientific)的主编共同编辑书籍Developments in Data Storage: Materials PerspectiveWiley-IEEE Press, 2011年)。