生物启发脉冲神经网络架构有望通过模拟人脑的高算力、高并行度、低功耗等特性，解决冯·诺依曼架构存储墙和能效瓶颈等问题。但面向构建脉冲神经网络的神经形态硬件的研究尚处于探索阶段，基于传统CMOS的神经形态芯片通常需要数十个晶体管和若干电容；基于新型存储器等新原理神经元器件亦需集成额外电容或复位操作电路，且耐久性受限，难以满足高频神经元器件的信息整合处理需求。自旋电子器件具有高能效、高耐久性及更丰富的物理特性，成为神经形态硬件开发最具潜质的载体之一。 

       近日，微电子所微电子器件与集成技术重点实验室刘明院士团队基于合成反铁磁异质结构，通过界面工程有效调控磁畴壁动力学特性，在无需电容和复位电路的情况下，实现了具有积累—泄露—放电—自复位特性的神经元器件及阵列。团队提出并验证了体系焦耳热依赖的Ruderman–Kittel–Kasuya–Yosida交换作用和内建磁场相互竞争驱动磁畴壁往复运动物理机制，有望实现高放电率（17 MHz）、低能耗（486 fJ/spike）神经元集成器件。团队结合负微分电阻器件特性构建了“winner-takes-all”的神经元电路模块，提升了脉冲神经网络性能的同时可大幅降低网络功耗。团队基于所开发器件磁畴壁动力学物理模型模拟神经元行为特性，进一步构建了两层脉冲神经网络（兴奋性神经元+抑制性神经元layer），该体系架构对Modified National Institute of Standards and Technology, MNIST手写数字集的基准识别率达到88.5%，为神经形态计算领域提供了一个硬件开发的新思路。 

　　该工作得到了国家重点研发计划、国家自然科学基金委、中科院先导等项目支持。研究成果以“Spintronic leaky-integrate-fire spiking neurons with self-reset and winner-takes-all for neuromorphic computing”为题在《自然·通讯》（Nature Communications）期刊在线发表，并被选为“编辑亮点推荐工作”，实现了微电子所在自旋电子器件研究领域Nature子刊零的突破。微电子所博士研究生王迪为文章第一作者，微电子所邢国忠研究员为通讯作者。 　　  

　　全文链接：https://www.nature.com/articles/s41467-023-36728-1 

图a/b自旋电子神经元器件磁光显微镜磁-电输运测试与磁光克尔数据图像

图c神经元器件磁滞回线

图d磁光克尔与霍尔电压信号LIFT特性