主讲人: 雷娜 教授 (北京航空航天大学)
题目: 复合多铁类脑器件与计算
时间: 2025年8月19日(周二)上午11:00
地点: 理工楼1318会议室
邀请人: 杨德政
报告摘要:
类脑计算是近年来一个热门研究领域，借鉴人脑信息处理方式，实时处理非结构化信息、具有自主学习能力的超低功耗新型计算。本报告将分为类脑器件与类脑计算两个部分。
突触与神经元是构建神经网络的基本单元，构建自旋突触与神经元是人工神经网络的前提。本研究构建了基于自旋-声耦合机制的突触与LIF神经元器件，并进一步将二者级联。首先，通过表面声波（SAW）调控磁化翻转实现大规模权重调制：电磁馈通效应产生的电压跃迁模拟短期可塑性，自旋轨道转矩实现长期可塑性，器件展示出高鲁棒性和稳定性。其次，在模拟LIF神经元的器件中，利用自旋轨道矩翻转磁畴实现信号累积过程；声波作用实现磁畴反向翻转以完成信号泄露过程。最后，基于上述器件，本研究对突触与神经元器件进行级联，为构建神经网络奠定基础。
储备池计算（RC）作为神经形态计算中的循环神经网络框架，在时序信息处理方面具有独特优势。基于材料本征非线性、高维度和记忆效应的物理储备池，为高效处理复杂任务提供了新思路。其中，自旋电子与应变调控储层因其低功耗、高速特性成为研究热点。本研究在PMN-PT/Pt/Co/Gd多铁异质结构中，首次实现了斯格明子增强的应变调控物理储备池。实验证明，该系统在时序波形分类任务中表现优异，对混沌时间序列成功预测。此外，通过多器件并行运算，提升预测精度，为发展高维度、低功耗神经形态计算系统提供参考。
个人简介：
雷娜，北京航空航天大学集成电路科学与工程学院教授、博士生导师。2008年博士毕业于复旦大学物理系，2008-2014年先后在法国南巴黎大学基础电子研究所与复旦大学物理系开展博士后研究工作。雷娜教授主要从事自旋电子新材料、低功耗类脑器件相关研究，在Nature Communications，Phys. Rev. Lett., 等期刊上发表50余篇论文。入选ESI高被引论文5篇；申请/授权发明专利7项，完成技术转化3项。先后主持国家自然基金委国际合作项目、面上项目、***科技创新项目等，参与国家自然基金委重大仪器项目。担任Nature Commun., PRL等期刊的审稿人；担任IOP Nanotechnology,《中国材料进展》等期刊客座编辑。
