近日，物理与电子工程学院赵国平教授课题组与香港中文大学（深圳）、日本东京大学合作，在物理学顶级期刊《Physical Review B》和《Applied Physics Letters》上相继发表关于铁磁/反铁磁斯格明子动力学及其应用的理论研究工作。课题组硕士研究生梁雪为两篇论文的第一作者，赵国平教授和香港中文大学（深圳）周艳教授为通讯作者，四川师范大学为论文第一通讯单位。

图一 生物神经元的工作原理示意图及人工神经元的结构示意图

  人工神经网络是当前机器学习和相关研究领域中的热门课题之一。作为对人脑或自然神经网络若干基本特性的抽象和模拟，它以其强大的自学能力、联系存储能力、高速寻找优化解的能力，在模式识别、信号处理、优化组合、机器人控制等领域迅速发展，并取得了相应的成果。与生物神经网络类似，人工神经网络也是由大量的神经元和突触组成，而这些神经元和突触目前主要以互补氧化物半导体(CMOS)为基本单元。因此，现有的人工神经网络将面临两大主要挑战。其一，网络的结构和大小将会受限于神经元和突触的尺寸；其二，如此大的硬件设施也必定会消耗大量的能量。

为了解决上述问题，作者综合考虑到磁性斯格明子的尺寸小、能耗低等诸多优良特性，首次提出了基于铁磁斯格明子自旋振荡器的人工神经元模型（如图一所示），以题为“A Spiking Neuron Constructed by the Skyrmion-Based Spin Torque Nano-Oscillator”发表在物理学顶级期刊Appl. Phys. Lett. 116, 122402 (2020)。该设计不仅能适当的缩小神经网络的尺寸，同时也能大大降低体系的能耗。对于斯格明子自旋振荡器，当在纳米盘中心加入驱动电流时，斯格明子会逐渐远离纳米盘中心开始做圆周运动。若突然撤离驱动电流，此时，由于边界作用，斯格明子将会做螺旋运动回到纳米盘中心。即随着电流的变化，斯格明子距离纳米盘中心的距离会发生改变。因此，该设计以斯格明子与纳米盘中心的距离d模拟生物神经元的膜电位，从而能很好地实现“泄露、积累、发射”这三项基本功能。图2描述了该人工神经元对不同刺激信号的响应过程。

图二 人工神经元对不同刺激信号的响应过程

  除了对铁磁斯格明子的动力学及其应用的研究，赵国平教授课题组也致力于研究反铁磁体系中的斯格明子，并与香港中文大学（深圳）等单位合作，在物理学顶级期刊Phys. Rev. B 100, 144439 (2019)上发表题为“Dynamics of an antiferromagnetic skyrmion in a racetrack with a defect”的学术论文。该研究通过微磁学数值模拟的方法系统地研究了磁的缺陷对反铁磁斯格明子动力学的影响，这对于理解反铁磁斯格明子的内在物理性质以及未来自旋电子设备的设计具有重要意义。

论文链接：

https://aip.scitation.org/doi/abs/10.1063/5.0001557

https://journals.aps.org/prb/abstract/10.1103/PhysRevB.100.144439

PhysRevB.100.144439.pdf

APL.116.122402.pdf