Neuromorphic computing with ferromagnetic nano-oscillators
Master thesis
Permanent lenke
https://hdl.handle.net/11250/3078193Utgivelsesdato
2023Metadata
Vis full innførselSamlinger
- Institutt for fysikk [2698]
Sammendrag
I løpet av de siste ̊arene har nevrale nettverk blitt fremtredende gjennom maskin-læring. Disse er ofte implementert p ̊a kommersielt tilgjengelige, transistorbaserteenheter, som ikke er godt egnet til ̊a etterligne hjernen slik nevrale nettverk ønsker.Her er det et naturlig skjæringspunkt med nevromorfisk prosessering, eller pros-essering inspirert av menneskehjernen.Denne masteroppgaven benytter mikromagnetiske datasimuleringer for ̊a un-dersøke egenskapene til, og synkroniseringen av, ferromagnetiske oscillatorer. Os-cillasjonene drives av spin-Hall-effektene og begrenses til et 2D-plan ved hjelp avmagnetisk anisotropi. Etter at synkroniseringen og desynkroniseringen er beggekarakterisert, brukes de til ̊a skape et oscillatorisk nevralt nettverk inspirert avde makroskopiske oscillasjonene i hjernen. Det kompliserte magnetiske systemetforenkles ved bruk av Kuramoto-modellen, og dermed ̊apnes det for bruk av ek-sisterende eksisterende treningsalgoritmer for maskinlæring.Undersøkelse av spenningsresponsen til (de)synkronisering viser b ̊ade globalsynkronisering og systemets ordenparameter kan bestemmes via forandring i spen-ningen. Dette er til stor nytte for eksperimentelle realiseringer av disse ferromag-netiske enhetene.Den presenterte oscillatoren er en utvidelse av et kunstig ferromagnetisk nevron,og er materielt lik, dog med endringer i det elektriske oppsettet. In recent years, neural networks have risen to prominence through the field ofmachine learning. These networks are primarily implemented on commercially-available transistor-based devices, however such devices are not well-suited foremulating the brain in the way neural networks desire. Here is a natural inter-section with the field of neuromorphic computing, or computing inspired by thehuman brain.This thesis employs micromagnetic computer simulations to investigate theproperties and synchronization of ferromagnetic oscillators. The oscillators aredriven by the spin-Hall effects, and contained within a 2D plane using magneticanisotropy. Once characterized, the synchronization and desynchronization areused to create an oscillatory neural network, drawing from the macroscopic os-cillations within the brain. This neural network is additionally modeled with theKuramoto model, thereby opening for it to be interfaced with existing trainingalgorithms.Finally, investigation of the voltage response to (de)synchronization revealsthat global synchronization and the order parameter of the system can be de-termined by voltage fluctuations alone. This is of great use for experimentalrealizations of this device.The presented oscillator is an extension of a ferromagnetic spiking neuron,being materially similar with only modifications to the electric setup.