人工智能应用正在蓬勃发展，并有望在不久的将来成为主流技术。然而，这些应用程序运行在传统的计算硬件上，非常耗电。
这为开发受自然启发的新型节能硬件解决方案创造了机会，例如，类脑计算。其中最著名的例子是模拟人类大脑工作方式的神经形态计算和神经网络。这种神经网络的一种可能实现是通过人工自旋冰(ASI)晶格。英国美国国家物理实验室及其合作伙伴已经研究了在这种ASI结构中引入六方磁性缺陷的影响。
这项研究发表在《通讯材料》杂志上。
通过跨学科的研究，国际团队成功地展示了一种机制，通过引入设计的磁缺陷，在系统中引起随机拓扑激励，并控制基于ASI的神经网络的动力学，来定制ASI系统的行为。这一发现的意义有望用于包括磁存储器件和基于自旋的逻辑应用在内的应用。
本研究的结果为通过磁性ASI晶格实现的人工神经网络中的集体和随机控制行为提供了见解，并为未来研究可重构自旋波导和低能耗未来计算系统的硬件实现等新兴应用铺平了道路。
国家物理实验室研究员Olga Kazakova说:“这项工作对我们来说是一个非常重要的里程碑:能够可控地创建与ASI缺陷相关的拓扑状态，并在ASI晶格内展示随机但统计可预测的行为。研究结果使我们离实现节能的神经形态计算更近了一步。这是与英国、德国和法国的大型研究机构进行大规模国际合作的结果。”
