[发明专利]基于人工智能的自旋电子声音识别器件及制备方法与应用

说明书

本发明公开了一种基于人工智能的自旋电子声音识别器件及制备方法与应用。本发明利用自旋电子器件模拟人工神经网络器件，比基于CMOS的人工神经网络器件相比，具有非挥发、低功耗、高速和高集成度的优点。而同时，与磁性隧道结所做自旋器件相比，本发明器件主要利用自旋轨道转矩原理，在器件外侧，无需额外增加磁场进行驱动。此外，本发明器件可以表现出四种不同阻态,且无需设置中间态。通过转换后的激励微波电压调制，可以实现四个电阻间的转换，在单个器件即可实现两个比特的存储功能。

技术领域

本发明具体是一种基于人工智能的新型自旋电子声音识别器件及制备方法与应用，属于自旋电子学、半导体器件、人工智能领域。

背景技术

当今时代，人工智能(Artificial Intelligence,AI)发展进入新阶段。经过60多年的演进，特别是在移动互联网、大数据、超级计算、传感网、脑科学等新理论新技术以及经济社会发展强烈需求的共同驱动下，人工智能加速发展，呈现出深度学习、跨界融合、人机协同、群智开放、自主操控等新特征。大数据驱动知识学习、跨媒体协同处理、人机协同增强智能、群体集成智能、自主智能系统成为人工智能的发展重点，受脑科学研究成果启发的类脑智能蓄势待发，芯片化硬件化平台化趋势更加明显，人工智能发展进入新阶段。当前，新一代人工智能相关学科发展、理论建模、技术创新、软硬件升级等整体推进，正在引发链式突破，推动经济社会各领域从数字化、网络化向智能化加速跃升。

人工智能对于国际竞争、社会建设、经济发展都将起到重要作用。作为人工智能技术的核心，人工智能芯片成为当前关注的重点。当前，尽管基于CMOS技术的人工智能芯片有不少发展，但单元大、能耗高及能效低等一系列问题始终无法忽视。因此，利用硬件模拟人脑的神经元和突触，搭建脑启发人工智能硬件平台的神经形态芯片具有巨大的应用潜力，成为科研热点，并在未来，有望成为未来真正的人工智能芯片发展的主流方向。

基于CMOS技术构建的神经形态芯片表现出了强大的智能计算性能，但是由于需要大量的晶体管来模拟单个神经元或突触特性，这极大的限制了硬件神经网络的集成度(人脑内有800多亿个神经元)，同时也带来严重的能耗问题。

近年来研究表明，利用自旋电子器件中的磁矩进动产生的丰富物理现象，可以实现类突触和神经元特性，因此在神经形态计算领域具有广泛的应用前景。自旋电子器件具有能耗低、速度快、集成密度高及丰富的非线性特性等优点，越来越被认定将在下一代电子器件的发展中扮演重要角色。被认为是适于发展脑启发人工智能硬件平台的极有潜力的技术方案。

2016年日本东北大学H.Ohno课题组研发了一个人工神经网络，该神经网络使用了他们最近研发的含有微尺度磁性材料的自旋电子器件。他们所使用的自旋电子装置能够以与常规磁性装置不同的模拟方式存储0和1之间的任意值，从而执行由大脑中的突触提供的学习功能。这项研究将创造人工智能技术的新规范，有严苛的尺寸标准，但同时有快速处理能力和超低功耗。这些特征让人工智能可以广泛应用于社会，例如图像/语音识别、可穿戴终端、传感器网络和护理机器人。2017年，他们又报道了自旋电子器件模拟人工突触的功能，并开发了一个由现场可编程门阵列和36个自旋电子器件单元组成的阵列，成功确认了学习对联想记忆的影响，给出了实现基于自旋电子学的人工智能的实际器件，被国内外大量媒体称为“世界上第一款基于自旋电子学的人工智能演示”。

发明内容

本发明的目的是提供一种基于人工智能的自旋电子声音识别器件及其制备方法与应用。

本发明提供的一种基于人工智能的自旋电子声音识别器件，从下至上由衬底、二维外尔半金属层、铁磁材料层、势垒层、铁磁材料层组成；