JP6625281B1 - リザボア素子及びニューロモルフィック素子 - Google Patents
リザボア素子及びニューロモルフィック素子 Download PDFInfo
- Publication number
- JP6625281B1 JP6625281B1 JP2019530224A JP2019530224A JP6625281B1 JP 6625281 B1 JP6625281 B1 JP 6625281B1 JP 2019530224 A JP2019530224 A JP 2019530224A JP 2019530224 A JP2019530224 A JP 2019530224A JP 6625281 B1 JP6625281 B1 JP 6625281B1
- Authority
- JP
- Japan
- Prior art keywords
- spin
- reservoir element
- ferromagnetic layers
- layer
- element according
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000005294 ferromagnetic effect Effects 0.000 claims abstract description 109
- 239000004020 conductor Substances 0.000 claims abstract description 7
- 230000004888 barrier function Effects 0.000 claims description 31
- 239000000463 material Substances 0.000 claims description 19
- 230000005415 magnetization Effects 0.000 claims description 11
- 238000009792 diffusion process Methods 0.000 claims description 9
- 229910052751 metal Inorganic materials 0.000 claims description 9
- 239000002184 metal Substances 0.000 claims description 9
- 229910045601 alloy Inorganic materials 0.000 claims description 8
- 239000000956 alloy Substances 0.000 claims description 8
- 239000003302 ferromagnetic material Substances 0.000 claims description 6
- 229910052782 aluminium Inorganic materials 0.000 claims description 5
- 229910052799 carbon Inorganic materials 0.000 claims description 4
- 229910052802 copper Inorganic materials 0.000 claims description 4
- 230000005291 magnetic effect Effects 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims description 4
- 150000001875 compounds Chemical class 0.000 claims description 3
- 229910052749 magnesium Inorganic materials 0.000 claims description 3
- 229910052709 silver Inorganic materials 0.000 claims description 3
- 229910052725 zinc Inorganic materials 0.000 claims description 3
- 230000007480 spreading Effects 0.000 claims description 2
- 238000003892 spreading Methods 0.000 claims description 2
- 239000010410 layer Substances 0.000 description 203
- 238000004519 manufacturing process Methods 0.000 description 7
- 239000000758 substrate Substances 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 210000004556 brain Anatomy 0.000 description 4
- 239000000696 magnetic material Substances 0.000 description 4
- 238000000034 method Methods 0.000 description 4
- 210000002569 neuron Anatomy 0.000 description 4
- 239000004065 semiconductor Substances 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 239000012212 insulator Substances 0.000 description 3
- 239000011229 interlayer Substances 0.000 description 3
- 150000002739 metals Chemical class 0.000 description 3
- 238000001020 plasma etching Methods 0.000 description 3
- 210000000225 synapse Anatomy 0.000 description 3
- 229910020598 Co Fe Inorganic materials 0.000 description 2
- 229910002519 Co-Fe Inorganic materials 0.000 description 2
- 229910020068 MgAl Inorganic materials 0.000 description 2
- 238000005229 chemical vapour deposition Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 229910018072 Al 2 O 3 Inorganic materials 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 229910000640 Fe alloy Inorganic materials 0.000 description 1
- 229910001106 Ho alloy Inorganic materials 0.000 description 1
- 229910003271 Ni-Fe Inorganic materials 0.000 description 1
- 229910004298 SiO 2 Inorganic materials 0.000 description 1
- 229910008310 Si—Ge Inorganic materials 0.000 description 1
- -1 Ta and Pt Chemical class 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 229910052804 chromium Inorganic materials 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- CPLXHLVBOLITMK-UHFFFAOYSA-N magnesium oxide Inorganic materials [Mg]=O CPLXHLVBOLITMK-UHFFFAOYSA-N 0.000 description 1
- 229910052748 manganese Inorganic materials 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 229910052759 nickel Inorganic materials 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 229910052697 platinum Inorganic materials 0.000 description 1
- 238000005498 polishing Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 238000000992 sputter etching Methods 0.000 description 1
- 229910052715 tantalum Inorganic materials 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G11—INFORMATION STORAGE
- G11C—STATIC STORES
- G11C11/00—Digital stores characterised by the use of particular electric or magnetic storage elements; Storage elements therefor
- G11C11/02—Digital stores characterised by the use of particular electric or magnetic storage elements; Storage elements therefor using magnetic elements
- G11C11/16—Digital stores characterised by the use of particular electric or magnetic storage elements; Storage elements therefor using magnetic elements using elements in which the storage effect is based on magnetic spin effect
- G11C11/161—Digital stores characterised by the use of particular electric or magnetic storage elements; Storage elements therefor using magnetic elements using elements in which the storage effect is based on magnetic spin effect details concerning the memory cell structure, e.g. the layers of the ferromagnetic memory cell
-
- H—ELECTRICITY
- H10—SEMICONDUCTOR DEVICES; ELECTRIC SOLID-STATE DEVICES NOT OTHERWISE PROVIDED FOR
- H10N—ELECTRIC SOLID-STATE DEVICES NOT OTHERWISE PROVIDED FOR
- H10N50/00—Galvanomagnetic devices
- H10N50/80—Constructional details
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01F—MAGNETS; INDUCTANCES; TRANSFORMERS; SELECTION OF MATERIALS FOR THEIR MAGNETIC PROPERTIES
- H01F10/00—Thin magnetic films, e.g. of one-domain structure
- H01F10/32—Spin-exchange-coupled multilayers, e.g. nanostructured superlattices
- H01F10/324—Exchange coupling of magnetic film pairs via a very thin non-magnetic spacer, e.g. by exchange with conduction electrons of the spacer
- H01F10/329—Spin-exchange coupled multilayers wherein the magnetisation of the free layer is switched by a spin-polarised current, e.g. spin torque effect
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/06—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons
- G06N3/063—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons using electronic means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/06—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons
- G06N3/063—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons using electronic means
- G06N3/065—Analogue means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- H—ELECTRICITY
- H10—SEMICONDUCTOR DEVICES; ELECTRIC SOLID-STATE DEVICES NOT OTHERWISE PROVIDED FOR
- H10N—ELECTRIC SOLID-STATE DEVICES NOT OTHERWISE PROVIDED FOR
- H10N50/00—Galvanomagnetic devices
- H10N50/80—Constructional details
- H10N50/85—Magnetic active materials
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Neurology (AREA)
- Chemical & Material Sciences (AREA)
- Power Engineering (AREA)
- Crystallography & Structural Chemistry (AREA)
- Computer Hardware Design (AREA)
- Hall/Mr Elements (AREA)
Abstract
本発明の一態様にかかるリザボア素子は、非磁性の導電体を含むスピン伝導層と、前記スピン伝導層に対して第１方向に位置し、前記第１方向からの平面視で互いに離間して配置された複数の強磁性層と、前記スピン伝導層の前記強磁性層と反対側の面と電気的に接続された複数のビア配線と、を備える。
Description
本発明は、リザボア素子及びニューロモルフィック素子に関する。
ニューロモルフィック素子は、ニューラルネットワークにより人間の脳を模倣した素子である。ニューロモルフィック素子は、人間の脳におけるニューロンとシナプスとの関係を人工的に模倣している。
階層型素子は、ニューロモルフィック素子の一つである。階層型素子は、階層状に配置されたチップ（脳におけるニューロン）と、これらの間を繋ぐ伝達手段（脳におけるシナプス）と、を有する。階層型素子は、伝達手段（シナプス）が学習することで、問題の正答率を高める。学習は情報から将来使えそうな知識を見つけることであり、ニューロモルフィック素子では入力されたデータに重み付けをする。階層型素子は、各階層で学習を行う。
しかしながら、各階層での学習は、チップ（ニューロン）の数が増加すると、回路設計の大きな負担となり、ニューロモルフィック素子の消費電力の増加の原因となる。リザボアコンピュータは、この負担を軽減する一つの方法として検討されている。
リザボアコンピュータは、ニューロモルフィック素子の一つである。リザボアコンピュータは、リザボア素子と出力部とを備える。リザボア素子は、互いに相互作用する複数のチップからなる。複数のチップは、入力された信号によって、互いに相互作用し、信号を出力する。複数のチップを繋ぐ伝達手段は、重みが固定され、学習しない。出力部は、リザボア素子からの信号を学習し、外部に出力する。リザボアコンピュータは、リザボア素子でデータを圧縮し、出力部でデータに重み付けをすることで、問題の正答率を高める。リザボアコンピュータにおける学習は出力部のみで行われる。リザボアコンピュータは、ニューロモルフィック素子の回路設計の簡素化及び消費電力の向上を可能にする手段の一つとして期待されている。
非特許文献１には、スピントルク発振（ＳＴＯ）素子をチップ（ニューロン）として用いたニューロモルフィック素子が記載されている。
Jacob Torrejon et al., Nature, Vol.547, pp.428-432 (2017).
S.Takahashi and S.Maekawa, Phys. Rev. B67(5)、052409 (2003).
しかしながら、ＳＴＯ素子をチップに用いたニューロモルフィック素子は、それぞれのＳＴＯ素子の共鳴周波数を揃える必要がある。ＳＴＯ素子の共鳴周波数は、製造誤差等によりばらつく場合があり、ＳＴＯ素子同士が十分相互作用しない場合がある。またＳＴＯ素子は、高周波電流を積層方向に印加することで発振する。絶縁層を有するＳＴＯ素子の積層方向に高周波電流を長時間印加することは、ＳＴＯ素子の故障の原因となる。
本発明は上記事情に鑑みてなされたものであり、安定して動作するリザボア素子及びニューロモルフィック素子を提供する。
本発明は、上記課題を解決するため、以下の手段を提供する。
（１）第１の態様にかかるリザボア素子は、非磁性の導電体を含むスピン伝導層と、前記スピン伝導層に対して第１方向に位置し、前記第１方向からの平面視で互いに離間して配置された複数の強磁性層と、前記スピン伝導層の前記強磁性層と反対側の面と電気的に接続された複数のビア配線と、を備える。
（２）上記態様にかかるリザボア素子は、前記複数の強磁性層のそれぞれは、前記第１方向からの平面視で、前記複数のビア配線のそれぞれと重なる位置にあってもよい。
（３）上記態様にかかるリザボア素子において、前記スピン伝導層と電気的に接続された基準電位端子を備えてもよい。
（４）上記態様にかかるリザボア素子において、前記ビア配線が強磁性体を含み、前記ビア配線を構成する強磁性体の磁化の配向方向は、前記強磁性層の磁化の配向方向と反対であってもよい。
（５）上記態様にかかるリザボア素子は、前記スピン伝導層と前記複数の強磁性層との間に、第１トンネルバリア層をさらに有してもよい。
（６）上記態様にかかるリザボア素子は、前記スピン伝導層と前記ビア配線との間に、第２トンネルバリア層をさらに有してもよい。
（７）上記態様にかかるリザボア素子において、前記複数の強磁性層のうち隣接する２つの強磁性層の距離は、前記スピン伝導層を構成する材料のスピン輸送長以下であってもよい。
（８）上記態様にかかるリザボア素子において、前記複数の強磁性層のうち隣接する２つの強磁性層の距離は、前記スピン伝導層を構成する材料のスピン拡散長以下であってもよい。
（９）上記態様にかかるリザボア素子において、前記スピン伝導層は、Ｃｕ、Ａｇ、Ａｌからなる群から選択されるいずれかの元素の金属又は合金を含んでもよい。
（１０）上記態様にかかるリザボア素子において、前記スピン伝導層は、Ｓｉ、Ｇｅ、Ｃからなる群から選択されるいずれかの元素の単体又は化合物を含んでもよい。
（１１）上記態様にかかるリザボア素子において、前記複数の強磁性層は、前記第１方向からの平面視で六方格子状に配列していてもよい。
（１２）上記態様にかかるリザボア素子において、前記複数の強磁性層は、前記第１方向からの平面視で強磁性層が密集した集合体を複数形成し、前記集合体において、前記強磁性層は六方格子状に配列していてもよい。
（１３）第２の態様にかかるニューロモルフィック素子は、上記態様にかかるリザボア素子と、前記リザボア素子に接続された入力部と、前記リザボア素子に接続され、前記リザボア素子からの信号を学習する出力部と、を備える。
本実施形態にかかるリザボア素子及びニューロモルフィック素子は、安定した動作が可能である。
以下、本実施形態について、図を適宜参照しながら詳細に説明する。以下の説明で用いる図面は、特徴をわかりやすくするために便宜上特徴となる部分を拡大して示している場合があり、各構成要素の寸法比率などは実際とは異なっていることがある。以下の説明において例示される材料、寸法等は一例であって、本発明はそれらに限定されるものではなく、本発明の効果を奏する範囲で適宜変更して実施することが可能である。
「第１実施形態」
図１は、第１実施形態にかかるニューロモルフィック素子の概念図である。ニューロモルフィック素子１００は、入力部２０とリザボア素子１０と出力部３０とを有する。入力部２０及び出力部３０は、リザボア素子１０に接続されている。
図１は、第１実施形態にかかるニューロモルフィック素子の概念図である。ニューロモルフィック素子１００は、入力部２０とリザボア素子１０と出力部３０とを有する。入力部２０及び出力部３０は、リザボア素子１０に接続されている。
ニューロモルフィック素子１００は、入力部２０から入力された信号を、リザボア素子１０で圧縮し、出力部３０で圧縮された信号に重み付け（学習）を行い、外部に信号を出力する。
入力部２０は、外部から入力された信号をリザボア素子１０に伝える。入力部２０は、例えば、複数のセンサーを含む。複数のセンサーは、ニューロモルフィック素子１００の外部の情報を感知し、リザボア素子１０に情報を信号として入力する。信号は、外部の情報の変化を経時的に連続してリザボア素子１０に入力してもよいし、所定のタイムドメインで分割してリザボア素子１０に入力してもよい。
リザボア素子１０は、複数のチップＣｐを有する。複数のチップＣｐは、相互作用する。リザボア素子１０に入力される信号は、多数の情報をもつ。信号がもつ多数の情報は、複数のチップＣｐが相互作用することで、必要な情報に圧縮される。圧縮された信号は、出力部３０に伝わる。リザボア素子１０は、学習をしない。すなわち、複数のチップＣｐはそれぞれ相互作用するだけであり、複数のチップＣｐの間を伝達する信号に重み付けは行わない。
出力部３０は、リザボア素子１０のチップＣｐから信号を受け取る。出力部３０は、学習する。出力部３０は、各チップＣｐからの信号ごとに、学習により重み付けをする。出力部３０は、例えば、不揮発性メモリを含む。不揮発性メモリは、例えば、磁気抵抗効果素子である。出力部３０は、ニューロモルフィック素子１００の外部に信号を出力する。
ニューロモルフィック素子１００は、リザボア素子１０でデータを圧縮し、出力部３０でデータに重み付けをすることで、問題の正答率を高める。
またニューロモルフィック素子１００は、消費電力に優れる。ニューロモルフィック素子１００において学習は、出力部３０のみで行われる。学習は、各チップＣｐから伝わる信号の重みを調整することである。信号の重みは、信号の重要度に応じて決定される。信号の重みを随時調整すると、チップＣｐ間の回路がアクティブになる。アクティブな回路が多いほど、ニューロモルフィック素子１００の消費電力は大きくなる。ニューロモルフィック素子１００は、最終段階の出力部３０のみ学習すればよく、消費電力に優れる。
図２は、第１実施形態にかかるリザボア素子１０の斜視図である。図３は、第１実施形態にかかるリザボア素子１０の側面図である。図４は、第１実施形態にかかるリザボア素子１０の平面図である。
リザボア素子１０は、複数の強磁性層１とスピン伝導層２と複数のビア配線３とを備える。複数の強磁性層１は、図１におけるチップＣｐに対応する。
ここで方向について規定する。スピン伝導層２の広がる面内のうち任意の方向をｘ方向、スピン伝導層２の広がる面内のうちｘ方向と交差（例えば、略直交）をｙ方向、スピン伝導層２の広がる面と交差する（例えば、略直交）方向をｚ方向とする。ｚ方向は、第１方向の一例である。
スピン伝導層２は、ｘｙ面内に連続して広がる。スピン伝導層２は、非磁性の導電体からなる。スピン伝導層２は、強磁性層１から染みだしたスピン流を伝播する。
スピン伝導層２は、スピン拡散長及びスピン輸送長の長い材料により構成される。スピン拡散長は、スピン伝導層２に注入されたスピンが拡散し、注入されたスピンの情報が半減するまでの距離である。スピン輸送長は、非磁性体内を流れるスピン偏極電流のスピン流が半減するまでの距離である。スピン伝導層２への印加電圧が小さいとスピン拡散長とスピン輸送長とは、ほぼ一致する。一方で、スピン伝導層２への印加電圧が大きくなると、ドリフト効果によりスピン輸送長はスピン拡散長より長くなる。
スピン伝導層２は、例えば、金属又は半導体である。スピン伝導層２に用いられる金属は、例えば、Ｃｕ、Ａｇ、Ａｌ、Ｍｇ、Ｚｎからなる群から選択されるいずれかの元素を含む金属又は合金である。スピン伝導層２に用いられる半導体は、例えば、Ｓｉ、Ｇｅ、Ｃからなる群から選択されるいずれかの元素の単体又は合金である。例えば、Ｓｉ、Ｇｅ、Ｓｉ−Ｇｅ化合物、グラフェン等が挙げられる。
強磁性層１は、スピン伝導層２の一面に形成される。強磁性層１は、ｚ方向に突出し、ｘｙ面内に互いに離間して複数存在する。強磁性層１は、一つのスピン伝導層２に対して複数存在する。隣接する強磁性層１は、例えば、層間絶縁膜で絶縁されている。
複数の強磁性層１は、例えば、ｚ方向からの平面視で六方格子状に配列している（図４参照）。強磁性層１に入力された信号は、スピン流としてスピン伝導層２内を伝播する。強磁性層１が六方格子状に配列する場合、強磁性層１から入力された信号は、他の強磁性層１から入力された信号と相互干渉しやすくなる。
複数の強磁性層１の配列は、図４の場合に限られない。図５〜図７は、第１実施形態にかかるリザボア素子の別の例の平面図である。
図５に示すリザボア素子１０Ａは、複数の強磁性層１が正方格子状に配列している。隣接する強磁性層１の間の距離が等しく、入力信号が均質化される。
図６に示すリザボア素子１０Ｂは、複数の強磁性層１が六方格子状に密集している。強磁性層１の密集度が高まることで、異なる強磁性層１に入力された信号が相互干渉しやすくなる。なお、この場合でも強磁性層１同士は、絶縁されている。
図７に示すリザボア素子１０Ｃは、強磁性層１が密集した集合体Ａを複数形成している。集合体Ａにおいて、強磁性層１は六方格子状に配列している。隣接する強磁性層１同士は、絶縁されている。リザボア素子１０Ｃは、一つの集合体Ａを構成する強磁性層１に入力された信号同士の相互干渉と、異なる集合体Ａを構成する強磁性層１に入力された信号同士の相互干渉とで、相互干渉の条件が異なる。リザボア素子１０Ｃにおいて相互干渉の条件を調整することで、リザボア素子１０Ｃは特定の信号を強調して出力部３０に伝える。
それぞれの強磁性層１の形状は、例えば、円柱状である（図１参照）。強磁性層１の形状は、円柱状に限られない。強磁性層１の形状は、例えば、楕円柱状、四角柱、円錐、楕円錐、円錐台、四角錐台等でもよい。
強磁性層１は、強磁性体を含む。強磁性層１は、例えば、Ｃｒ、Ｍｎ、Ｃｏ、Ｆｅ及びＮｉからなる群から選択される金属、これらの金属を１種以上含む合金、これらの金属とＢ、Ｃ、及びＮの少なくとも１種以上の元素とが含まれる合金を含む。強磁性層１は、例えば、Ｃｏ−Ｆｅ、Ｃｏ−Ｆｅ−Ｂ、Ｎｉ−Ｆｅ、Ｃｏ−Ｈｏ合金（ＣｏＨｏ２）、Ｓｍ−Ｆｅ合金（ＳｍＦｅ１２）である。強磁性層１がＣｏ−Ｈｏ合金（ＣｏＨｏ２）、Ｓｍ−Ｆｅ合金（ＳｍＦｅ１２）を含むと、強磁性層１は面内磁化膜になりやすい。
隣接する２つの強磁性層１の距離は、スピン伝導層２を構成する材料のスピン輸送長以下であることが好ましく、スピン拡散長以下であることが好ましい。
ビア配線３は、スピン伝導層２の強磁性層１と反対側の面と電気的に接続されている。ビア配線３は、スピン伝導層２と直接接続されていてもよいし、他の層を介して接続されていてもよい。図１及び図３に示すビア配線３は、スピン伝導層２から−ｚ方向に突出し、ｘｙ面内に互いに離間して複数存在する。
ビア配線３は、導電体を含む。ビア配線３は、例えば、Ｃｕ、Ａｌ、Ａｕである。隣接するビア配線３は、絶縁されている。
図１及び図３に示すビア配線３のそれぞれは、複数の強磁性層１のそれぞれと対応する位置に配設されている。すなわち、強磁性層１のそれぞれとビア配線３のそれぞれとは、ｚ方向からの平面視で重なっている。
次いで、ニューロモルフィック素子１００におけるリザボア素子１０の製造方法の一例について説明する。図８Ａから図８Ｄは、第１実施形態にかかるリザボア素子１０の製造方法を示す断面図である。
まず基板Ｓｂにホールを形成し、ホール内を導電体で充填する（図８Ａ）。基板Ｓｂは、例えば、半導体基板である。基板Ｓｂは、例えば、Ｓｉ、ＡｌＴｉＣが好ましい。Ｓｉ、ＡｌＴｉＣは、平坦性に優れた表面を得やすい。ホールは、例えば、反応性イオンエッチング（ＲＩＥ）を用いて形成する。ホール内に充電された導電体が、ビア配線３となる。
次いで、基板Ｓｂ及びビア配線３の表面を化学機械研磨（ＣＭＰ）により平坦化する。平坦化した基板Ｓｂ、ビア配線３の上に、スピン伝導層２、強磁性層１’を順に積層する（図８Ｂ）。スピン伝導層２及び強磁性層１’は、例えば、化学気相成長法（ＣＶＤ）を用いて積層する。
次いで、強磁性層１’の表面の所定の位置にハードマスクＨＭを形成する（図８Ｃ）。強磁性層１’のハードマスクＨＭで被覆されていない部分は、ＲＩＥ又はイオンミリングで除去する。強磁性層１’は、不要部が除去されることで複数の強磁性層１となる。最後に、強磁性層１の間を層間絶縁膜Ｉで保護する（図８Ｄ）。上記手順により第１実施形態にかかるニューロモルフィック素子１００が得られる。
次いで、ニューロモルフィック素子１００の機能について説明する。入力部２０を構成するセンサーは、リザボア素子１０のいずれかの強磁性層１と接続されている。センサーが外部の信号を受けると、対応する強磁性層１からビア配線３に向って電流が流れ、信号がリザボア素子１０に入力される。ビア配線３のそれぞれが複数の強磁性層１のそれぞれと対応する位置に配設されている場合、電流の多くはｚ方向に流れる。
電流は、強磁性層１によってスピン偏極し、スピン伝導層２に至る。電荷は、ビア配線３に流れ、スピン伝導層２内をほとんど流れない。スピン伝導層２内は、スピン流が流れる。すなわち、強磁性層１から強磁性層１の近傍のスピン伝導層２にスピンが注入され、スピン伝導層２にスピンが蓄積される。蓄積されたスピンは、スピン流としてスピン伝導層２内を伝播する。
電流の印加時間、印加量によって強磁性層１の近傍に蓄積されるスピン量は変化し、スピン輸送長も変化する。電流の印加量が多いと、スピン輸送長は長くなり、強磁性層１の近傍から広い範囲にスピン流が伝搬する。
複数の強磁性層１からビア配線３に向って電流が流れると、スピン流は、電流が印加された強磁性層１の近傍のそれぞれ位置から、スピン伝導層２内を広がるように伝搬する。異なる位置から伝搬したスピン流は、それぞれ相互に干渉する。スピン寿命は、Ｔａ、Ｐｔ等の金属の場合、数百ｐｓｅｃであり、Ｓｉ等の半導体の場合、数ｎｓｅｃである。スピン伝導層２に注入されたスピンの情報は、数百ｐｓｅｃ〜数ｎｓｅｃ程度で読み取れなくなる。
最後にリザボア素子１０から出力部３０に信号を出力する。信号は、ビア配線３と強磁性層１との間の電位差として読み出される。スピン伝導層２内に電流は流れないが、スピン流が流れる。スピン流が生じると、強磁性層１のスピンに対するスピン伝導層２のポテンシャルが変化し、電位差が発生する。電位差は、いずれかのビア配線３を基準電位とし、基準電位とそれぞれの強磁性層１との間の電位差として読み出される。
それぞれの強磁性層１の近傍におけるスピン伝導層２の電位は、異なる位置から広がるスピン流の影響を受ける。一つの強磁性層１から電位差として読みだされる信号は、他の強磁性層１に書き込まれた情報を含み、情報が圧縮されている。
最後に圧縮された信号は、出力部３０に伝わる。出力部３０は、学習により強磁性層１のそれぞれから読み出される信号に重み付けをする。
上述のように、第１実施形態にかかるリザボア素子１０は、スピン伝導層２内において、それぞれの強磁性層１から伝搬するスピン流が互いに干渉する。入力部２０から入力された信号は、スピン伝導層２内で互いに干渉し、スピン伝導層２内に特定の状態を生み出す。つまり入力部２０から入力された信号は、スピン伝導層２内で一つの状態に圧縮される。したがって、第１実施形態にかかるニューロモルフィック素子１００は、リザボア素子１０で適切に信号を圧縮する。信号を圧縮することで、出力部３０のみが学習すればよくなり、ニューロモルフィック素子１００の消費電力が低減する。
また第１実施形態にかかるリザボア素子１０は、種々の変更が可能である。
図９は、第１実施形態にかかるリザボア素子の別の例の斜視図である。図９に示すリザボア素子１０Ｄは、基準電位端子３Ｇを有し、強磁性層１が入力端子１Ａと出力端子１Ｂに分けられている。
基準電位端子３Ｇは、スピン伝導層２と電気的に接続されている。基準電位端子３Ｇは、それぞれの出力端子１Ｂから十分離れた位置にあることが好ましい。基準電位端子３Ｇは、ビア配線３と同様の材料により構成される。
強磁性層１は、信号を入力するための入力端子１Ａと信号を出力するための出力端子１Ｂとで分けられている。それぞれの入力端子１Ａからビア配線３に電流が流れると、スピン伝導層２内をスピン流が流れ、互いに干渉する。出力端子１Ｂは、ある瞬間における出力端子１Ｂ近傍のスピン伝導層２におけるスピンと出力端子１Ｂの磁化とのポテンシャルの違いを電位差として出力する。基準電位端子３Ｇを基準として、それぞれの出力端子１Ｂの電位Ｖ１、Ｖ２、Ｖ３が測定される。電位Ｖ１、Ｖ２、Ｖ３が出力信号となる。基準電位端子３Ｇにより基準電位が固定されることで、電位Ｖ１、Ｖ２、Ｖ３の相対評価が可能になる。
入力端子１Ａと出力端子１Ｂとの最短距離は、スピン伝導層２を構成する材料のスピン輸送長以下であることが好ましく、スピン拡散長以下であることが好ましい。スピン流が出力端子１Ｂに十分伝搬することで、出力信号のＳＮ（Ｓｉｇｎａｌ／Ｎｏｉｓｅ）比が向上する。
また入力端子１Ａと出力端子１Ｂを分ける場合、出力端子１Ｂと対向する位置にはビア配線３は無くてもよい。また図１０に示すように、入力端子１Ａ又は出力端子１Ｂと対向するビア配線３同士は、共通電極層３Ｃで互いに接続されていてもよい。
「第２実施形態」
図１１は、第２実施形態にかかるリザボア素子の断面図である。第２実施形態にかかるリザボア素子１１は、ビア配線３ｍが磁性体を含んでいる点が、第１実施形態にかかるリザボア素子１０と異なる。その他の構成は、第１実施形態にかかるリザボア素子１０と同一であり、説明を省く。また図１１において、図１と同一の構成には同一の符号を付す。
図１１は、第２実施形態にかかるリザボア素子の断面図である。第２実施形態にかかるリザボア素子１１は、ビア配線３ｍが磁性体を含んでいる点が、第１実施形態にかかるリザボア素子１０と異なる。その他の構成は、第１実施形態にかかるリザボア素子１０と同一であり、説明を省く。また図１１において、図１と同一の構成には同一の符号を付す。
ビア配線３ｍは、磁性体を含む。ビア配線３ｍは、スピン伝導層２と近い位置に磁性体を含めばよい。ビア配線３ｍは、例えば、スピン伝導層２に近い位置から強磁性層と導電層とが順に積層された構造でもよい。磁性体は、強磁性層１と同様の材料を用いることができる。
ビア配線３ｍの磁化の配向方向は、強磁性層１の磁化の配向方向と反対である。磁化の配向方向の異なる強磁性層１とビア配線３ｍとの間に電流を流すと、スピン伝導層２に同じ向きのスピンを効率的に注入できる。
強磁性層１の磁化が＋ｘ方向に配向し、ビア配線３ｍの磁化が−ｘ方向に配向している場合を例に説明する。電流は、例えば、強磁性層１、スピン伝導層２、ビア配線３ｍの順に流れる。強磁性層１からスピン伝導層２に電流が流れる際は、強磁性層１から−ｘ方向のスピンがスピン伝導層２に注入される。一方で、スピン伝導層２からビア配線３ｍに電流が流れる際は、ビア配線３ｍの磁化が−ｘ方向に配向しているため、ビア配線３ｍからスピン伝導層２には−ｘ方向のスピンが流れる。従って、ビア配線３ｍが強磁性体を含むと、スピン伝導層２に同じ向きのスピンを効率的に注入できる。
第２実施形態にかかるリザボア素子１１は、ニューロモルフィック素子１００に適用できる。また第２実施形態にかかるリザボア素子１１は、第１実施形態にかかるリザボア素子１０と同様の効果が得られる。また第２実施形態にかかるリザボア素子１１は、スピン伝導層２に効率的にスピンを供給する。したがって、スピン伝導層２内のスピン流の干渉が促進され、リザボア素子１１は、より複雑な現象を表現できる。
「第３実施形態」
図１２は、第３実施形態にかかるリザボア素子の断面図である。第３実施形態にかかるリザボア素子１２は、第１トンネルバリア層４を有する点が、第１実施形態にかかるリザボア素子１０と異なる。その他の構成は、第１実施形態にかかるリザボア素子１０と同一であり、説明を省く。また図１０において、図１と同一の構成には同一の符号を付す。
図１２は、第３実施形態にかかるリザボア素子の断面図である。第３実施形態にかかるリザボア素子１２は、第１トンネルバリア層４を有する点が、第１実施形態にかかるリザボア素子１０と異なる。その他の構成は、第１実施形態にかかるリザボア素子１０と同一であり、説明を省く。また図１０において、図１と同一の構成には同一の符号を付す。
第１トンネルバリア層４は、強磁性層１とスピン伝導層２との間に位置する。第１トンネルバリア層４は、例えば、ｘｙ面内に連続して広がる。第１トンネルバリア層４は、強磁性層１とスピン伝導層２との間の位置にのみ、ｘｙ面内に点在していてもよい。
第１トンネルバリア層４は、非磁性体の絶縁体からなる。第１トンネルバリア層４は、例えば、Ａｌ２Ｏ３、ＳｉＯ２、ＭｇＯ、ＭｇＡｌ２Ｏ４等である。また第１トンネルバリア層４は、上記の材料におけるＡｌ、Ｓｉ、Ｍｇの一部が、Ｚｎ、Ｂｅ等に置換された材料等でもよい。ＭｇＯ、ＭｇＡｌ２Ｏ４は、強磁性層１とスピン伝導層２との間でコヒーレントトンネル現象を実現でき、強磁性層１からスピン伝導層２へスピンを効率よく注入できる。
第１トンネルバリア層４の厚みは、３ｎｍ未満が好ましい。第１トンネルバリア層４の厚みの抵抗が高いとスピン伝導層２からのスピン流の逆流を抑制することができる。しかしながら、第１トンネルバリア層４の厚みが３ｎｍ以上では、第１トンネルバリア層４のスピンフィルタとしてのスピン散乱効果が大きくならずに抵抗のみが高くなり、ノイズが増加してしまう。
第１トンネルバリア層４は、スピン伝導層２と比較してスピン抵抗が大きい。スピン抵抗は、スピン流の流れやすさ（スピン緩和のし難さ）を定量的に示す量である。
スピン抵抗Ｒｓは次の式で定義される（非特許文献１参照）。
ここで、λは材料のスピン拡散長、ρは材料の電気抵抗率、Ａは材料の断面積である。
非磁性体では、断面積Ａが等しい場合、式（１）のうち、スピン抵抗率であるρλの値によってスピン抵抗の大きさが決まる。
非磁性体では、断面積Ａが等しい場合、式（１）のうち、スピン抵抗率であるρλの値によってスピン抵抗の大きさが決まる。
スピンは、スピン抵抗の低い部分に流れようとする。第１トンネルバリア層４は、絶縁体を含むため電気抵抗率が大きく、スピン抵抗が大きい。第１トンネルバリア層４は、スピン伝導層２に至ったスピンが強磁性層１に戻ることを抑制する。
第３実施形態にかかるリザボア素子１２は、ニューロモルフィック素子１００に適用できる。また第３実施形態にかかるリザボア素子１２は、第１実施形態にかかるリザボア素子１０と同様の効果が得られる。また第３実施形態にかかるリザボア素子１２は、スピン伝導層２に注入されたスピンによりスピン流を効率的に発生できる。したがって、スピン伝導層２内のスピン流の干渉が促進され、リザボア素子１２は、より複雑な現象を表現できる。
「第４実施形態」
図１３は、第４実施形態にかかるリザボア素子の断面図である。第４実施形態にかかるリザボア素子１３は、第２トンネルバリア層５を有する点が、第３実施形態にかかるリザボア素子１２と異なる。その他の構成は、第３実施形態にかかるリザボア素子１２と同一であり、説明を省く。また図１３において、図１２と同一の構成には同一の符号を付す。
図１３は、第４実施形態にかかるリザボア素子の断面図である。第４実施形態にかかるリザボア素子１３は、第２トンネルバリア層５を有する点が、第３実施形態にかかるリザボア素子１２と異なる。その他の構成は、第３実施形態にかかるリザボア素子１２と同一であり、説明を省く。また図１３において、図１２と同一の構成には同一の符号を付す。
第２トンネルバリア層５は、スピン伝導層２とビア配線３との間に位置する。第２トンネルバリア層５は、例えば、ｘｙ面内に連続して広がる。第２トンネルバリア層５は、強磁性層１とスピン伝導層２との間の位置にのみ、ｘｙ面内に点在していてもよい。
第２トンネルバリア層５は、非磁性体の絶縁体からなる。第２トンネルバリア層５は、第１トンネルバリア層４と同様の材料により構成される。第２トンネルバリア層５の厚みは、第１トンネルバリア層４の厚みと同等である。
第２トンネルバリア層５は、スピン伝導層２と比較してスピン抵抗が大きい。第２トンネルバリア層５は、スピン伝導層２に至ったスピンがビア配線３に流れることを抑制する。
第４実施形態にかかるリザボア素子１３は、ニューロモルフィック素子１００に適用できる。また第４実施形態にかかるリザボア素子１３は、第１実施形態にかかるリザボア素子１０と同様の効果が得られる。また第４実施形態にかかるリザボア素子１３は、スピン伝導層２に注入されたスピンによりスピン流を効率的に発生できる。したがって、スピン伝導層２内のスピン流の干渉が促進され、リザボア素子１３は、より複雑な現象を表現できる。
以上、本発明の好ましい実施の形態の一例について詳述したが、本発明はこの実施の形態に限定されるものではなく、特許請求の範囲内に記載された本発明の要旨の範囲内において、種々の変形・変更が可能である。
例えば、第１実施形態にかかるリザボア素子１０から第４実施形態にかかるリザボア素子１３が有する特徴的な構成を組み合わせてもよい。
１、１’ 強磁性層
１Ａ 入力端子
１Ｂ 出力端子
２ スピン伝導層
３、３ｍ ビア配線
３Ｃ 共通電極層
３Ｇ 基準電位端子
４ 第１トンネルバリア層
５ 第２トンネルバリア層
１０、１０Ａ、１０Ｂ、１０Ｃ、１０Ｄ、１０Ｅ、１１、１２、１３ リザボア素子
２０ 入力部
３０ 出力部
１００ ニューロモルフィック素子
Ａ 集合体
Ｃｐ チップ
ＨＭ ハードマスク
Ｉ 層間絶縁膜
Ｓｂ 基板
１Ａ 入力端子
１Ｂ 出力端子
２ スピン伝導層
３、３ｍ ビア配線
３Ｃ 共通電極層
３Ｇ 基準電位端子
４ 第１トンネルバリア層
５ 第２トンネルバリア層
１０、１０Ａ、１０Ｂ、１０Ｃ、１０Ｄ、１０Ｅ、１１、１２、１３ リザボア素子
２０ 入力部
３０ 出力部
１００ ニューロモルフィック素子
Ａ 集合体
Ｃｐ チップ
ＨＭ ハードマスク
Ｉ 層間絶縁膜
Ｓｂ 基板
Claims (14)
- 非磁性の導電体を含むスピン伝導層と、
前記スピン伝導層に対して第１方向に位置し、前記第１方向からの平面視で互いに離間して配置された複数の強磁性層と、
前記スピン伝導層の前記強磁性層と電気的に接続された複数のビア配線と、を備え、
前記複数の強磁性層のうち隣接する強磁性層のそれぞれから前記スピン伝導層に書き込み電流を流した際に、前記隣接する強磁性層のそれぞれから広がるスピン流が相互に干渉する、リザボア素子。 - 前記複数の強磁性層のそれぞれは、前記第１方向からの平面視で、前記複数のビア配線のそれぞれと重なる位置にある、請求項１に記載のリザボア素子。
- 前記スピン伝導層と電気的に接続された基準電位端子を備える、請求項１又は２に記載のリザボア素子。
- 前記ビア配線が強磁性体を含み、
前記ビア配線を構成する強磁性体の磁化の配向方向は、前記強磁性層の磁化の配向方向と反対である、請求項１〜３のいずれか一項に記載のリザボア素子。 - 前記スピン伝導層と前記複数の強磁性層との間に、第１トンネルバリア層をさらに有する、請求項１〜４のいずれか一項に記載のリザボア素子。
- 前記スピン伝導層と前記ビア配線との間に、第２トンネルバリア層をさらに有する、請求項１〜５のいずれか一項に記載のリザボア素子。
- 前記複数の強磁性層のうち隣接する２つの強磁性層の距離は、前記スピン伝導層を構成する材料のスピン輸送長以下である、請求項１〜６のいずれか一項に記載のリザボア素子。
- 前記複数の強磁性層のうち隣接する２つの強磁性層の距離は、前記スピン伝導層を構成する材料のスピン拡散長以下である、請求項１〜７のいずれか一項に記載のリザボア素子。
- 前記スピン伝導層は、Ｃｕ、Ａｇ、Ａｌ、Ｍｇ、Ｚｎからなる群から選択されるいずれかの元素の金属又は合金を含む、請求項１〜８のいずれか一項に記載のリザボア素子。
- 前記スピン伝導層は、Ｓｉ、Ｇｅ、Ｃからなる群から選択されるいずれかの元素の単体又は化合物を含む、請求項１〜８のいずれか一項に記載のリザボア素子。
- 前記複数の強磁性層は、前記第１方向からの平面視で六方格子状に配列している、請求項１〜１０のいずれか一項に記載のリザボア素子。
- 前記複数の強磁性層は、前記第１方向からの平面視で強磁性層が密集した集合体を複数形成し、
前記集合体において、前記強磁性層は六方格子状に配列している、請求項１〜１０のいずれか一項に記載のリザボア素子。 - 前記複数の強磁性層のうち隣接する強磁性層の距離は、前記スピン伝導層を構成する材料のスピン輸送長以下である、請求項１〜１２のいずれか一項に記載のリザボア素子。
- 請求項１〜１３のいずれか一項に記載のリザボア素子と、
前記リザボア素子に接続された入力部と、
前記リザボア素子に接続され、前記リザボア素子からの信号を学習する出力部と、を備える、ニューロモルフィック素子。
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/JP2018/033800 WO2020053988A1 (ja) | 2018-09-12 | 2018-09-12 | リザボア素子及びニューロモルフィック素子 |
Related Child Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2019212322A Division JP6866917B2 (ja) | 2019-11-25 | 2019-11-25 | リザボア素子の動作方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP6625281B1 true JP6625281B1 (ja) | 2019-12-25 |
| JPWO2020053988A1 JPWO2020053988A1 (ja) | 2020-10-22 |
Family
ID=68886686
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2019530224A Active JP6625281B1 (ja) | 2018-09-12 | 2018-09-12 | リザボア素子及びニューロモルフィック素子 |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US11665976B2 (ja) |
| EP (1) | EP3640959B1 (ja) |
| JP (1) | JP6625281B1 (ja) |
| CN (1) | CN110895953B (ja) |
| WO (1) | WO2020053988A1 (ja) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11544517B2 (en) * | 2020-10-03 | 2023-01-03 | MHG IP Holdings, LLC | RFID antenna |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140214738A1 (en) * | 2013-01-29 | 2014-07-31 | Hewlett-Packard Development Company, L.P. | Neuristor-based reservoir computing devices |
| US20170330070A1 (en) * | 2016-02-28 | 2017-11-16 | Purdue Research Foundation | Spin orbit torque based electronic neuron |
| US20180254773A1 (en) * | 2017-03-01 | 2018-09-06 | Tdk Corporation | Random number generator, random number generation device, neuromorphic computer, and quantum computer |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004164692A (ja) * | 2002-11-08 | 2004-06-10 | Toshiba Corp | 磁気記録媒体及びその製造方法 |
| US7411235B2 (en) * | 2004-06-16 | 2008-08-12 | Kabushiki Kaisha Toshiba | Spin transistor, programmable logic circuit, and magnetic memory |
| JP2012209358A (ja) * | 2011-03-29 | 2012-10-25 | Renesas Electronics Corp | 磁気記憶素子および磁気記憶装置 |
| WO2014024697A1 (ja) * | 2012-08-09 | 2014-02-13 | 独立行政法人科学技術振興機構 | スピンモータ及びスピン回転部材 |
| US10395168B2 (en) * | 2015-10-26 | 2019-08-27 | International Business Machines Corporation | Tunable optical neuromorphic network |
| WO2017090730A1 (ja) * | 2015-11-27 | 2017-06-01 | Tdk株式会社 | スピン流磁化反転素子、磁気抵抗効果素子、および磁気メモリ |
| CN107194462B (zh) * | 2016-03-15 | 2020-05-19 | 清华大学 | 三值神经网络突触阵列及利用其的神经形态计算网络系统 |
| JP7108987B2 (ja) | 2017-05-15 | 2022-07-29 | 国立大学法人大阪大学 | 情報処理装置及び情報処理方法 |
| CN108336222A (zh) * | 2018-01-19 | 2018-07-27 | 华中科技大学 | 一种基于铁磁材料的忆阻器件 |
-
2018
- 2018-09-12 WO PCT/JP2018/033800 patent/WO2020053988A1/ja active Application Filing
- 2018-09-12 JP JP2019530224A patent/JP6625281B1/ja active Active
-
2019
- 2019-09-10 US US16/565,884 patent/US11665976B2/en active Active
- 2019-09-10 EP EP19196449.3A patent/EP3640959B1/en active Active
- 2019-09-11 CN CN201910858790.XA patent/CN110895953B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140214738A1 (en) * | 2013-01-29 | 2014-07-31 | Hewlett-Packard Development Company, L.P. | Neuristor-based reservoir computing devices |
| US20170330070A1 (en) * | 2016-02-28 | 2017-11-16 | Purdue Research Foundation | Spin orbit torque based electronic neuron |
| US20180254773A1 (en) * | 2017-03-01 | 2018-09-06 | Tdk Corporation | Random number generator, random number generation device, neuromorphic computer, and quantum computer |
Non-Patent Citations (3)
| Title |
|---|
| M.RIOU ET AL.: "Neuromorphic Computing through Time-Multiplexing with a Spin-Torque Nano-Oscillator", IEEE CONFERENCE PROCEEDINGS, vol. 2017, JPN7019002522, 2017, pages 36 - 3, ISSN: 0004140138 * |
| TORREJON, JACOB ET AL.: "Neuromorphic Computing with nanoscale spintronic oscillators", NATURE, vol. 547, no. 7664, JPN7019002523, 27 July 2017 (2017-07-27), pages 428 - 431, XP055593242, ISSN: 0004140139, DOI: 10.1038/nature23011 * |
| 常木澄人: "スピントルク発振素子を用いたリザーバーコンピューティング", 第６５回応用物理学会春季学術講演会講演予稿集, JPN7019002524, 5 March 2018 (2018-03-05), pages 104 - 7, ISSN: 0004140137 * |
Also Published As
| Publication number | Publication date |
|---|---|
| JPWO2020053988A1 (ja) | 2020-10-22 |
| EP3640959A1 (en) | 2020-04-22 |
| US11665976B2 (en) | 2023-05-30 |
| CN110895953B (zh) | 2023-08-04 |
| US20200083433A1 (en) | 2020-03-12 |
| WO2020053988A1 (ja) | 2020-03-19 |
| EP3640959B1 (en) | 2022-06-22 |
| CN110895953A (zh) | 2020-03-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6620915B1 (ja) | リザボア素子及びニューロモルフィック素子 | |
| CN110462814B (zh) | 自旋元件及磁存储器 | |
| US10916480B2 (en) | Magnetic wall utilization type analog memory device, magnetic wall utilization type analog memory, nonvolatile logic circuit, and magnetic neuro device | |
| JP6620913B1 (ja) | リザボア素子及びニューロモルフィック素子 | |
| JP6625281B1 (ja) | リザボア素子及びニューロモルフィック素子 | |
| JP6973679B2 (ja) | 磁性素子、磁気メモリ、リザボア素子、認識機及び磁性素子の製造方法 | |
| Roy | Separating read and write units in multiferroic devices | |
| JP7140294B2 (ja) | 磁気記録アレイ及びリザボア素子 | |
| JP6866917B2 (ja) | リザボア素子の動作方法 | |
| WO2021176656A1 (ja) | 磁気記録アレイ、ニューロモルフィックデバイスおよび磁気記録アレイの制御方法 | |
| CN113632239A (zh) | 自旋元件及储备池元件 | |
| JP6897888B2 (ja) | リザボア素子及びニューロモルフィック素子 | |
| WO2021149241A1 (ja) | スピン素子及びリザボア素子 | |
| Bandyopadhyay et al. | A non-volatile all-spin analog matrix multiplier: An efficient hardware accelerator for machine learning | |
| TWI804064B (zh) | 磁陣列及磁陣列的製造方法 | |
| WO2021176644A1 (ja) | 磁気記録アレイ | |
| Rahman et al. | A Non-Volatile All-Spin Analog Matrix Multiplier: An Efficient Hardware Accelerator for Machine Learning |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190605 |
|
| A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20190605 |
|
| A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20190709 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190813 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190926 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20191029 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20191126 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6625281 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |