近日，我院高南特任研究员课题组在自旋神经形态器件中取得新进展，提出并验证了基于自旋轨道力矩器件，可以实现对柔性可穿戴传感信号的高效片上处理。该成果以“Flexible Spintronic Neuromorphic Devices for Sensing Signal Processing”为题，近期发表在国际学术期刊《ACS Applied Materials & Interfaces 》上。

柔性电子器件凭借其形态自由、适应性强、轻便、低成本等优势，打破了传统硬质微电子器件在形态上的束缚，在生物医疗、人机交互、物联网等领域具有革命性意义。传统的柔性电子器件利用电子的电荷属性携带信息；与之不同，自旋电子器件利用电子自旋属性进行信息的处理、传输或存储，具有非易失、低功耗、高可擦写次数等独特优势，并且在神经形态计算方面展现出巨大的潜力。如果可以将自旋电子与柔性电子技术有效结合，将进一步发挥各自的优点，为低功耗、多场可调的可穿戴设备带来全新的解决思路。

针对这一目标，该课题组发展了在自支撑柔性聚酰亚胺衬底上制备高质量磁性多层膜的方法，实现了低缺陷密度Pt/Co多层膜器件的制备（图1a）。得益于其低缺陷密度，该器件具有成核位点少和畴壁移动阻力小的特点，并在小磁场下展现出热激发磁矩翻转。这一热激发翻转为器件带来了本征的衰退记忆特性。此外，利用自旋轨道力矩效应，通过施加适当的电流脉冲，可以实现器件磁矩的部分翻转，并且翻转幅度与脉冲个数之间具有非线性关系（图1b）。

图1. (a) 器件照片 (b) 器件的非线性响应与短时记忆特性

基于器件的衰退记忆和非线性响应特性，结合储池计算方案，课题组实现了对可穿戴传感信号的高效识别（图2a）：对UCI人类活动识别标准数据集的识别准确率达到了83%（图2b），相比于不采用器件的直接回归方案提升了21个百分点（图2c）；进一步对实测信号进行识别，准确率达到了90%。该工作验证了基于自旋神经形态器件，可以高效实现柔性传感信号的片上处理，这将极大降低传统技术将传感信号无线传输到云端进行处理带来的功耗和成本负担，并为进一步开发高效、智能的多功能柔性可穿戴设备打下了基础。

图2. (a) 基于器件的储池计算流程 (b)器件识别标准数据集的混淆矩阵 (c) 是否使用器件的识别准确率对比

论文第一作者为我院博士研究生徐建康，通讯作者为高南特任研究员。此项研究工作得到了中国科学院稳定支持基础研究领域青年团队项目及国家自然科学基金项目的资助，并得到了中国科学技术大学微纳研究与制造中心的支持。