基于磁性隧道结的群体编码实现无监督聚类

作     者：张亚君 蔡佳林 乔亚 曾中明 袁喆 夏钶 Zhang Ya-Jun;Cai Jia-Lin;Qiao Ya;Zeng Zhong-Ming;Yuan Zhe;Xia Ke

作者机构：北京师范大学物理学系高等量子研究中心北京100875 中国科学院苏州纳米技术与纳米仿生研究所苏州215123 北京计算科学研究中心北京100193 

出 版 物：《物理学报》 (Acta Physica Sinica)

年 卷 期：2022年第71卷第14期

页      面：388-395页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(批准号:11734004 12174028)资助的课题 

主　　题：磁性隧道结 群体编码 脉冲神经网络 无监督学习 

摘      要：利用新型材料器件发展类脑计算硬件研究的关键问题是发展出合适的算法,能够发挥新器件的特点和优势.群体编码是生物神经系统常见的编码方式,能够有效去除噪音,实现短时程记忆及复杂的非线性映射功能.本文选择自旋电子学器件中研究较多、工艺较成熟的磁性隧道结,应用其可调控的随机动力学实现群体编码.作为一个应用的例子,超顺磁隧道结构建的二层脉冲神经网络成功完成了鸢尾花数据集的无监督聚类.数值仿真表明基于磁性隧道结的群体编码可以有效对抗器件的非均一性,为类脑计算硬件研究提供重要的参考.