本发明涉及cnn硬件实现领域,尤其涉及基于自旋霍尔效应和自旋转矩效应的细胞神经网络硬件。
背景技术:
1、细胞神经网络(cellular neural network,cnn)由于具有强大的并行计算能力和出色的图像处理性能,是一种很有前途的非布尔计算系统。在并行计算和图像处理等领域优于传统的冯·诺依曼式计算结构。cnn一般用cmos器件技术构造运算放大器和运算跨导放大器来实现神经元和突触,在功耗和面积上相对于数字逻辑电路没有优势。
2、目前主流的cnn硬件实现有三种,分别是模拟超大规模集成(very large scaleintegration,vlsi)实现,数字vlsi实现以及新型神经形态电路实现。其中模拟vlsi实现主要是利用运算放大器、跨导运算放大器以及电阻电容来实现cnn。数字vlsi实现主要是利用数字信号处理器或现场可编程逻辑阵列来构造cnn。新型神经形态电路实现主要是基于忆阻器、自旋电子器件等新型电子器件来构造cnn。
3、模拟vlsi实现的cnn由于需要大量的运算放大器以及电容,导致大规模集成实现时功耗和版图面积较大。近年来,随着fpga的发展,数字vlsi成为了cnn硬件实现的主要方法,其突出优点在于器件性能稳定、数据存储方便、开发周期短等。尽管其有诸多优点,但其仍然使用冯诺依曼式的计算结构,这种实现方法的特点是存储部分和逻辑运算部分是分离的,不适合cnn存储和运算都在神经元上的结构特点,导致互连延迟大、运算效率低、功耗高等问题。另外,一般的自旋电子电路中,沟道中传输的是自旋电流,而自旋电流随着沟道长度的增加而急剧耗散,导致自旋沟道长度一般在几百纳米以内,另外为了能有效翻转磁矩,会增强自旋电流,导致功耗增加。
4、新型神经形态电路实现的cnn基于具有非易失性的新型电子器件构造神经网络,往往能在一个单元内同时实现神经元和突触,更符合cnn的结构特点。但这些新型电子器件对制造工艺要求很高,在目前的工艺条件下实现难度较大,大多还停留在理论研究层面。
技术实现思路
1、本发明提供基于自旋霍尔效应和自旋转矩效应的细胞神经网络硬件,以克服上述技术问题。
2、基于自旋霍尔效应和自旋转矩效应的细胞神经网络硬件,包括在水平方向和垂直方向上均匀分布的一定数量的cnn细胞,所述cnn细胞包括固定层、隧道层、自由层、自旋轨道耦合层以及沟道层,固定层、隧道层、自由层以及自旋轨道耦合层构成一个磁隧道结,固定层、隧道层、自由层、自旋轨道耦合层以及沟道层以自上而下的顺序进行堆叠,所隧道层、自旋轨道耦合层以及沟道层均与水平方向平行,固定层和自由层与水平方向呈一定夹角,所述夹角的范围为0度到90度,固定层和自由层的材质为纳磁体,自旋轨道耦合层的材质为具有自旋霍尔效应的材料,沟道层的材质为金属,隧道层的材质为金属氧化物,每个cnn细胞通过的沟道层与相邻的四个cnn细胞相连,所述相邻的四个cnn细胞中心的cnn细胞均作为中心神经元,每个cnn细胞的磁隧道结均与电压源和电流源相连。
3、优选地,所述cnn细胞中的自由层在接通电压源后在沟道层产生水平沟道的电流和垂直沟道的电流,所述水平沟道的电流和垂直沟道的电流根据公式(1)得到,
4、
5、其中,θshe和λsf是自旋轨道耦合层材料的自旋霍尔角和自旋扩散长度,σ是单位向量,指向自由层的易磁化轴方向,wfm和tsoc分别是自由层磁体宽度和自旋轨道耦合层厚度,is是流入自旋轨道耦合层的自旋电流,icx和icy分别表示水平沟道的电流和垂直沟道的电流,θ表示自由层与水平方向的夹角。
6、优选地,所述中心神经元的磁体层的磁化方向根据公式(2)表示,
7、
8、其中,γ为电子回旋磁比,μ0为真空磁导率,α为磁材料的gilbert阻尼系数,hij表示细胞c(i,j)中自由层磁体所受到的总有效场,mij是细胞c(i,j)中自由层磁体的磁矩,用来作为细胞c(i,j)的状态变量,ssoc为自旋轨道矩系数,mij为固定层磁矩的磁化方向,smtj为磁隧道结中的自旋转移矩系数,iij,kl为从细胞c(k,l)流入到细胞c(i,j)中的电流,aij为细胞c(i,j)中自旋轨道耦合层的横截面积。
9、优选地,所述自旋轨道矩系数根据公式(3)获得,
10、
11、其中,是约化普朗克常数,q为元电荷,ms是自由层饱和磁化强度,tfm是自由层磁体厚度,θshe是自旋轨道耦合层材料的自旋霍尔角,γ为电子回旋磁比。
12、优选地,所述自旋转移矩系数根据公式(4)获得,
13、
14、其中,是自旋矩幅值,γ为电子回旋磁比,是约化普朗克常数,q为元电荷,ms是自由层饱和磁化强度,tfm是自由层磁体厚度,aij为细胞c(i,j)中自旋轨道耦合层的横截面积,iij为流入mtj的电流。
15、本发明提供基于自旋霍尔效应和自旋转矩效应的细胞神经网络硬件,提出了基于自旋霍尔效应和自旋转矩效应的细胞神经网络硬件实现方式,利用固定层和自由层的纳磁体的磁矩来作为状态变量存储信息,具有非易失性、结构简单、版图面积小等优点。同时本发明在沟道中传输的是电荷电流,其在沟道中的损耗可忽略不计。最后,利用自旋霍尔效应来翻转磁矩,相对于用自旋转矩效应来翻转磁矩效率更高,使得功耗可进一步降低。
1.基于自旋霍尔效应和自旋转矩效应的细胞神经网络硬件,其特征在于,包括在水平方向和垂直方向上均匀分布的一定数量的cnn细胞,所述cnn细胞包括固定层、隧道层、自由层、自旋轨道耦合层以及沟道层,固定层、隧道层、自由层以及自旋轨道耦合层构成一个磁隧道结,固定层、隧道层、自由层、自旋轨道耦合层以及沟道层以自上而下的顺序进行堆叠,所隧道层、自旋轨道耦合层以及沟道层均与水平方向平行,固定层和自由层与水平方向呈一定夹角,所述夹角的范围为0度到90度,固定层和自由层的材质为纳磁体,自旋轨道耦合层的材质为具有自旋霍尔效应的材料,沟道层的材质为金属,隧道层的材质为金属氧化物,每个cnn细胞通过的沟道层与相邻的四个cnn细胞相连,所述相邻的四个cnn细胞中心的cnn细胞均作为中心神经元,每个cnn细胞的磁隧道结均与电压源和电流源相连。
2.根据权利要求1所述的基于自旋霍尔效应和自旋转矩效应的细胞神经网络硬件,其特征在于,所述cnn细胞中的自由层在接通电压源后在沟道层产生水平沟道的电流和垂直沟道的电流,所述水平沟道的电流和垂直沟道的电流根据公式(1)得到,
3.根据权利要求1所述的基于自旋霍尔效应和自旋转矩效应的细胞神经网络硬件,其特征在于,所述中心神经元的磁体层的磁化方向根据公式(2)表示,
4.根据权利要求3所述的基于自旋霍尔效应和自旋转矩效应的细胞神经网络硬件,其特征在于,所述自旋轨道矩系数根据公式(3)获得,
5.根据权利要求3所述的基于自旋霍尔效应和自旋转矩效应的细胞神经网络硬件,其特征在于,所述自旋转移矩系数根据公式(4)获得,