这种神经形态计算设备使用skyrmions来执行图像识别任务
一种使用微小磁漩涡处理数据的计算设备已被训练为识别手写数字。由RIKEN研究人员开发的该设备表明，微型磁漩涡可用于实现受大脑启发的低能耗计算系统。
我们的大脑包含传输和处理电信号的复杂神经元网络。人工神经网络模仿这种行为，特别擅长模式识别等任务。
但是人工神经网络在传统的硅芯片上运行时会消耗大量功率。因此，研究人员正在开发专门为类脑计算设计的替代平台，这种方法被称为神经形态计算。
由RIKEN新兴物质科学中心的Tomoyuki Yokouchi等研究人员创建的新型神经形态设备依赖于一种称为储层计算模型的人工神经网络。该模型的一个特征是其短期记忆 – 其输出取决于系统过去和现在的输入。
这就是被称为skyrmions的微小磁性漩涡的用武之地。这些磁性图案具有内置的记忆效应，因为它们的结构和行为反映了先前暴露于磁场的情况。
Skyrmions也可以以低能量运行。“使用skyrmions的另一个优点是节能，因为skyrmions可以使用非常小的电流密度来控制，”Yokouchi说。
该团队的设备包含一系列覆盖在铂 – 钴 – 铱膜中的条，可以容纳几微米宽的Skyrmions。
为了将数据放入设备中，研究人员将信息编码到磁场中，当施加到Skyrmions时，会产生电压。该输出电压取决于存在的天体的数量和大小。
研究人员使用超过13，000张从0到9的手写数字图像来训练该设备。他们将图像转换为磁性输入信号，并调整设备，使输出电压信号准确地表示正确的数字。
然后，该团队使用另外5，000张图像测试了该设备，发现它可以以约95%的准确率识别数字 – 优于竞争对手的神经形态设备。
“我们的工作表明，节能的神经形态计算可以使用skyrmions实现，”Yokouchi说。
该团队希望开发一种类似的设备，该设备使用电流而不是磁场作为输入，这应该可以提高其性能并进一步降低其能耗。“如果我们成功了，我们也许能够展示更复杂的任务，如语音识别和运动跟踪，”横内说。
