.png){kind=icon}
返回
Domain wall motion-driven magnetic convolutional accelerator
.png){kind=icon}
OA
AI
DOI：10.1038/s41467-025-68041-4.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
现代计算能力支持从数据分析到人工智能的应用，但现在面临局限性。器件缩放的放缓以及存储器与处理器之间的瓶颈促使开发将计算和数据存储统一架构。卷积是学习、视觉和信号处理中的核心运算，但其传统实现会产生高能耗、高延迟和有限的扩展性。承载自旋纹理（如畴壁）的磁性系统提供了动态行为，能够实现超越传统逻辑的计算。在此，我们介绍一种通过顺序移动磁性畴并传感相应信号来执行卷积的存内计算平台。信息直接写入畴模式，通过受控运动进行处理，并经电学读取，形成适用于卷积任务的非易失性结构。该方法支持包括傅里叶分析、神经网络和图像处理在内的应用，在面积、能耗和吞吐量方面相较于现有技术实现了10³至10⁵倍的改进，标志着自旋电子计算的实质性进展。作者演示了一种利用畴壁运动的磁性存内计算平台，为未来AI硬件提供了高能效和面积高效的处理能力。
Keyword:
convolution
compute-in-memory
domain wall
spintronic computing
magnetic systems
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
15.7
论文数:
9.4W
被引数:
91.2W
机构
引用论文
Ultralow Energy Domain Wall Device for Spin- Based Neuromorphic Computing用于基于自旋的神经形态计算的超低能畴壁设备.png)
ACS NANO
OAAI
ACS NANOIF16
OAAI分享收藏1-D Convolutional Neural Networks for Signal Processing ApplicationsICASSP 2019 - 2019 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)
ICASSP 2019 - 2019 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)IF0
PREAI
分享收藏Transient ferromagnetic-like state mediating ultrafast reversal of antiferromagnetically coupled spinsNature
NatureIF0
PREAI
分享收藏Magnetization switching through spin-Hall-effect-induced chiral domain wall propagationPHYSICAL REVIEW B
PHYSICAL REVIEW BIF3.7
PREAI
分享收藏分享收藏Magnetic skyrmions: advances in physics and potential applications磁性skyrmim: 物理学和潜在应用的进展NATURE REVIEWS MATERIALSOAAI
NATURE REVIEWS MATERIALSIF86.2
OAAI分享收藏
查看更多内容