An antiferromagnetic and insulating leaky integrate-and-fire neuron and its application
Master thesis
Permanent lenke
https://hdl.handle.net/11250/3015246Utgivelsesdato
2022Metadata
Vis full innførselSamlinger
- Institutt for fysikk [2698]
Sammendrag
Ettersom størrelsen på transistorer begynner å tilsvare utstrekningen til et par atomer, blir det stadig vanskeligere å holde tritt med Moore's lov. Samtidig forskes det på nye metoder for mer energieffektiv maskinvare. Krysningen mellom analog og nevromorf prosessering gir muligheter til å utløse en overgang til et nytt regime innen datateknologi, med datamaskiner som er spesialisert til å løse spesifikke oppgaver. I denne masteroppgaven vil numeriske mikromagnetiske simuleringer av et antiferromagnetisk og isolerende impulsnevron gi innblikk i det som kan bli en ny prosesseringsenhet. Dette er med den hensikt i å overgå metalliske og ferromagnetiske tilsvarende impulsnevron når det gjelder hastighet og energiforbruk. Nevronene er designet for å etterligne funksjonaliteten til lekkende integrer-og-fyr nevroner. To forskjellige versjoner av nevronet vil bli foreslått og sammenlignet. Det antiferromagnetiske impulsnevronet er et forslag på hvordan anvendt spintronikk kan gi energieffektive datamaskiner som er spesialisert til å løse konkrete og krevende oppgaver. Tilstanden til det foreslåtte nevronet er kodet inn i posisjonen til en magnetisk domenevegg som kontrolleres av spinnbølger og spenningskontrollert magnetisk anisotropi. Simuleringene vil vise at impulsnevronet i prinsippet kan operere på en picosekund tidsskala. Videre indikerer resultatene at nevronet kan ha et energiforbruk på rundt 100 aJ per impuls. As the size of transistors begins to reach the extent of a couple of atoms, keeping up with Moore's law has become increasingly difficult. Furthermore, new methods of computing are pursued by researchers in the quest for more energy-efficient hardware. The intersection between analog and neuromorphic computing is one candidate to spark a transition into a new computing regime with specialized hardware for specific tasks. In this thesis, numerical micro-magnetic simulations of an antiferromagnetic and insulating spiking neuron yield a proof-of-concept for a new computing unit, that seeks to overcome equivalent metallic and ferromagnetic neurons in terms of speed and energy consumption. The spiking neuron could be a part of a hardware realization of a neural network. The neurons are set up to mimic the behavior of leaky integrate-and-fire neurons. Two different versions of the neuron will be given, and they will be compared in detail. The proposed spiking neuron is a new way of envisioning how applied spintronics can yield energy-efficient specialized computing hardware. The state of the proposed neuron is coded into the position of a magnetic domain wall, which can be controlled by exciting spin waves in the antiferromagnet and a voltage-controlled magnetic anisotropy. The simulations will show that in principle a spiking neuron that operates at pico-second time scale is possible. Furthermore, results indicate that the neurons could potentially operate at an energy consumption of approximately 100 aJ per spike.