《科學(xué)通報(bào)》2025年第13期出版“面向人工智能的物理神經(jīng)網(wǎng)絡(luò)專題”，歡迎關(guān)注！

人工智能(artificial intelligence, AI)的大規(guī)模應(yīng)用已使社會(huì)發(fā)展產(chǎn)生了巨大變革, 同時(shí)也對(duì)算力、能耗和計(jì)算效率等問(wèn)題帶來(lái)了巨大挑戰(zhàn). 物理神經(jīng)網(wǎng)絡(luò)充分利用了物理體系的優(yōu)異特性來(lái)實(shí)現(xiàn)人工神經(jīng)網(wǎng)絡(luò)的訓(xùn)練和計(jì)算, 有潛力突破傳統(tǒng)計(jì)算架構(gòu)的限制, 大幅提高計(jì)算效率. 通過(guò)構(gòu)建新型器件、算法和計(jì)算架構(gòu), 物理神經(jīng)網(wǎng)絡(luò)能夠?qū)崿F(xiàn)高效、并行、自適應(yīng)計(jì)算, 在降低能耗的同時(shí)顯著提升計(jì)算速度. 這一技術(shù)將推動(dòng)新一代AI硬件的發(fā)展, 使人工智能在邊緣計(jì)算、自動(dòng)化系統(tǒng)和大規(guī)模AI應(yīng)用中具備更強(qiáng)的實(shí)時(shí)學(xué)習(xí)和推理能力, 為智能計(jì)算提供更高效、可擴(kuò)展的解決方案.

自旋體系在物理神經(jīng)網(wǎng)絡(luò)領(lǐng)域展現(xiàn)出獨(dú)特優(yōu)勢(shì), 其低能耗、高并行性、耐久性和非易失特性, 使其成為實(shí)現(xiàn)高效智能計(jì)算的理想候選. 自旋體系可用于信息傳感、存儲(chǔ)和處理, 實(shí)現(xiàn)感存算一體化架構(gòu), 從而減少數(shù)據(jù)傳輸功耗, 有望突破馮·諾依曼瓶頸. 此外, 自旋器件能夠自然模擬突觸的可塑性和神經(jīng)元的動(dòng)態(tài)行為, 具備物理自適應(yīng)學(xué)習(xí)能力, 使其在類腦計(jì)算、概率計(jì)算等方向具有巨大潛力. 結(jié)合自旋軌道矩(spin orbit torque, SOT)、自旋霍爾效應(yīng)(spin Hall effect, SHE)等物理機(jī)制, 可進(jìn)一步提升計(jì)算效率, 并在超低功耗AI加速器、邊緣計(jì)算、實(shí)時(shí)信號(hào)處理等領(lǐng)域提供革命性解決方案.

我國(guó)研究人員在該領(lǐng)域長(zhǎng)期深耕, 取得了一系列重要突破. 為系統(tǒng)展示國(guó)內(nèi)學(xué)者的最新研究進(jìn)展, 推動(dòng)物理神經(jīng)網(wǎng)絡(luò)的發(fā)展, 并加強(qiáng)該領(lǐng)域的學(xué)術(shù)交流, 《科學(xué)通報(bào)》特組織出版“面向人工智能的物理神經(jīng)網(wǎng)絡(luò)”專題, 以促進(jìn)前沿成果的共享和學(xué)術(shù)合作. 此專題特邀國(guó)內(nèi)多位學(xué)者撰文, 報(bào)道了基于自旋體系的物理神經(jīng)網(wǎng)絡(luò)器件、算法和架構(gòu)方面的前沿科學(xué)內(nèi)容.

王開(kāi)友課題組 [1] 綜述了自旋類腦器件、自旋神經(jīng)網(wǎng)絡(luò)和概率神經(jīng)網(wǎng)絡(luò)的最新進(jìn)展, 展望了其在智能計(jì)算與信息存儲(chǔ)中的應(yīng)用潛力, 助推新一輪信息技術(shù)變革. 杜海峰課題組 [2] 回顧了磁斯格明子的最新進(jìn)展, 其具有拓?fù)浞€(wěn)定性、低功耗和類孤子特性, 有望成為高效信息載體, 并展望了未來(lái)其在人工智能中的發(fā)展機(jī)遇與挑戰(zhàn). 曾中明課題組 [3] 系統(tǒng)梳理了磁性隧道結(jié)在神經(jīng)元與突觸仿真中的最新進(jìn)展, 包括自旋憶阻器、自旋振蕩器、自旋隨機(jī)數(shù)發(fā)生器, 并展望了未來(lái)發(fā)展與挑戰(zhàn). 弭元元課題組 [4] 基于超順磁隧道結(jié)構(gòu)建連續(xù)吸引子神經(jīng)網(wǎng)絡(luò), 實(shí)現(xiàn)了對(duì)運(yùn)動(dòng)目標(biāo)的精準(zhǔn)預(yù)測(cè)追蹤, 揭示了預(yù)測(cè)提前時(shí)間與負(fù)反饋效應(yīng)的關(guān)系, 并在噪聲等干擾下保持高魯棒性, 為類腦計(jì)算材料提供了新思路. 祝智峰課題組 [5] 提出了基于自旋轉(zhuǎn)矩驅(qū)動(dòng)磁矩翻轉(zhuǎn)的動(dòng)態(tài)激活函數(shù)調(diào)控方法, 通過(guò)調(diào)節(jié)電控脈沖寬度和磁各向異性優(yōu)化神經(jīng)網(wǎng)絡(luò)訓(xùn)練, 提高手寫數(shù)字識(shí)別準(zhǔn)確率, 從88%提升至91.3%, 為高效自旋電子神經(jīng)網(wǎng)絡(luò)硬件實(shí)現(xiàn)提供了新思路. 游龍課題組 [6] 基于SOT的二值神經(jīng)元優(yōu)化受限玻爾茲曼機(jī)的概率采樣, 通過(guò)SPICE仿真與電影評(píng)分訓(xùn)練, 預(yù)測(cè)準(zhǔn)確率達(dá)96.08%, 并具備器件差異的魯棒性.

因篇幅有限, 本專題無(wú)法囊括自旋類腦材料、器件、算法和架構(gòu)領(lǐng)域的所有最新進(jìn)展. 但是, 我們相信, 本專題提供的新觀點(diǎn)和研究思路將進(jìn)一步促進(jìn)該領(lǐng)域的蓬勃發(fā)展, 推動(dòng)自旋信息和人工智能的交叉合作. 最后, 衷心感謝所有作者、審稿人和編輯團(tuán)隊(duì)在本專題編寫過(guò)程中所付出的辛勤努力與作出的重要貢獻(xiàn).

專題特邀編輯

郭杭聞復(fù)旦大學(xué)微納電子器件與量子計(jì)算機(jī)研究院青年研究員. 于2013年在美國(guó)田納西大學(xué)諾克斯維爾分校獲得博士學(xué)位. 主要從事磁性薄膜材料的自旋電子學(xué)、微納電子器件和人工智能等方向的研究.

袁喆 復(fù)旦大學(xué)理論物理與信息科學(xué)交叉中心教授. 于2008年在瑞典查爾姆斯理工大學(xué)獲得博士學(xué)位. 主要研究興趣為磁學(xué)和自旋電子學(xué)理論與第一性原理計(jì)算、自旋類腦計(jì)算與概率計(jì)算的算法研究等.

沈健復(fù)旦大學(xué)“浩清”特聘教授, 應(yīng)用表面物理全國(guó)重點(diǎn)實(shí)驗(yàn)室主任, 微納電子器件與量子計(jì)算機(jī)研究院院長(zhǎng), 物理學(xué)系教授, 中國(guó)物理 學(xué)會(huì)磁學(xué)專業(yè)委員會(huì)主任. 于1996 年在德國(guó)馬普學(xué)會(huì)微結(jié)構(gòu)物理研 究所獲得博士學(xué)位. 主要研究興趣集中在納米磁性、自旋電子學(xué)、 低維物理和新型計(jì)算等領(lǐng)域.

參考文獻(xiàn)

[1] 劉祥語(yǔ), 文輝, 雷坤, 等. 基于自旋的智能器件與物理神經(jīng)網(wǎng)絡(luò)進(jìn)展. 科學(xué)通報(bào), 2025, 70: 1874–1883

[2] 劉藝舟, 杜海峰. 磁斯格明子類腦器件. 科學(xué)通報(bào), 2025, 70: 1884–1892

[3] 王雨, 張黎可, 羅仁涓, 等. 基于磁性隧道結(jié)的人工神經(jīng)形態(tài)器件. 科學(xué)通報(bào), 2025, 70: 1893–1907

[4] 張梅婷, 趙莉, 黃曉東, 等. 由超順磁隧道結(jié)構(gòu)建的類腦運(yùn)動(dòng)預(yù)測(cè)追蹤模型. 科學(xué)通報(bào), 2025, 70: 1908–1919

[5] 許焯, 辛玥, 袁正平, 等. 利用單個(gè)自旋電子神經(jīng)元實(shí)現(xiàn)類批量歸一化算法. 科學(xué)通報(bào), 2025, 70: 1920–1928

[6] 葉曉舟, 段威, 曹真, 等. 基于自旋軌道力矩隨機(jī)二值神經(jīng)元的推薦系統(tǒng)構(gòu)建. 科學(xué)通報(bào), 2025, 70: 1929–1936

| 關(guān)注科學(xué)通報(bào) | 了解科學(xué)前沿