论文标题：2D Spintronics for Neuromorphic Computing with Scalability and Energy Efficiency

论文链接：https://www.mdpi.com/2079-9268/15/2/16

期刊名：Journal of Low Power Electronics and Applications

期刊主页：https://www.mdpi.com/journal/jlpea

一、引言

随着人工智能与物联网快速发展，算力需求激增，传统基于 CMOS 与冯?诺依曼架构的计算体系遭遇摩尔定律极限与存储-计算分离的性能瓶颈，漏电流、热耗散、数据搬运带来功耗与延迟双重压力。神经形态计算借鉴人脑的工作模式，将存储单元和计算单元一体化，依靠脉冲神经网络与突触可塑性实现事件驱动的并行处理，以此降低数据密集任务的能耗。二维材料与自旋电子学结合形成的二维自旋电子学，凭借原子薄层结构、无悬键范德华界面、自旋自由度信息处理等独特优势，成为构建下一代高能效、高可扩展神经形态硬件的重要路径。

近日，来自佛罗里达大学的 Douglas Z. Plummer及其团队在JLPEA期刊上发表了一篇综述文章，主要梳理自旋电子学应用于神经形态计算的最新进展，重点分析将二维自旋电子材料集成到神经形态硬件的发展前景。介绍神经形态计算基础理论、二维自旋电子材料概况、磁性隧道结与磁性斯格明子等自旋电子器件架构，评估现有自旋电子神经形态系统的可扩展性与能效，并探讨二维自旋电子学在神经形态计算中的潜在应用，为推进可扩展的下一代计算架构奠定了基础。

图 1 传统冯-诺依曼架构与神经形态计算架构对比

二、研究过程与结果

研究通过系统梳理和分析已发表的学术文献、实验数据和理论模拟结果，对二维自旋电子学材料、器件及其在神经形态计算中的应用进行归纳、比较和综合评述。

二维自旋电子的候选材料涵盖二维范德华磁性材料与具有强自旋-轨道耦合的二维体系，CrI3、Fe3GaTe2、MnPS3等二维磁体可支撑自旋电子器件的高密度集成与非易失可调的突触功能，其中CrI3具有层调控的磁态与拓扑绝缘特性，Fe3GaTe2可实现室温铁磁有序，MnPS3作为二维反铁磁材料能够实现多比特突触权重编码，但多数二维磁性材料居里温度远低于室温，部分材料的磁性实验结果难以复现；WTe2、Bi2Se3等具备强自旋-轨道耦合的材料拥有优异的电荷-自旋转换能力，可实现低能耗、高速的突触权重调控，将二维磁体与该类材料构筑范德华异质结，能够有效提升自旋力矩调控效率，为高能效神经形态器件的实现奠定材料基础。

研究认为，面向神经形态计算的自旋电子器件架构主要以磁性隧道结与斯格明子器件为两大核心研究方向，自旋电子器件依托电子的自旋自由度实现信息处理与存储，凭借非易失特性与存内并行计算能力可缓解冯?诺依曼瓶颈，并具备纳米尺度可集成优势，但大规模应用仍需解决开关一致性、错误率控制等问题；基于畴壁运动的多态磁性隧道结可模拟突触权重，结合自旋转移力矩或自旋-轨道力矩驱动方式能够实现多阻态输出，可构建人工神经元与突触单元，与 CMOS 结合形成的混合交叉阵列电路可实现高能效的乘累加运算，然而器件微型化会对多阻态维持带来限制；斯格明子器件借助拓扑自旋纹理可模拟泄漏积分放电神经元行为与突触可塑性，能够实现极低的工作能耗，在图像识别等任务中取得良好识别精度，基于斯格明子还可搭建储备池计算架构，当前该领域仍存在二维自旋电子材料在系统架构层面实现案例较少的短板，后续需开发兼具忆阻与磁学特性的二维自旋电子材料，推动神经形态硬件的架构级实现。

研究进一步归纳该技术在联想存储、交叉阵列存算、计算随机存取存储器、边缘与可穿戴AI硬件的落地效果，二维自旋电子器件可为神经形态计算的实时学习、边缘计算与人工智能加速器等应用方向提供硬件支撑，磁性隧道结凭借优异的耐久性与非易失存储特性，能够用于联想存储器，相较传统架构大幅降低能耗、存储开销与搜索运算时钟周期；将二维自旋电子器件集成交叉阵列可模拟突触权重，实现低功耗的乘累加运算，而基于自旋电子的计算随机存取存储器架构能够实现存内逻辑运算，有效降低数据传输能耗与运算延迟，在神经网络推理任务中实现显著的能耗节约并保持较高识别精度；在可穿戴与边缘计算场景中，自旋电子器件依靠小型化、低功耗的优势，可在严苛的能量约束条件下完成本地实时计算，降低对云端基础设施的依赖，同时机器学习又可反哺器件制备与测试流程，形成双向增益的发展闭环。

三、研究总结及未来展望

综合现有研究，二维自旋电子学能够充分结合二维范德华材料的原子级集成优势与自旋电子器件非易失、低功耗、高速开关的特性，可构建模拟生物突触与神经元的硬件单元，在模式识别、时序信号处理、边缘人工智能等神经形态应用展现巨大潜力，但该领域依旧面临若干关键现实阻碍：高质量大尺寸二维磁性材料制备工艺尚不完善，多数二维磁体无法在室温维持磁性，器件界面缺陷带来散射、错误率上升，器件微型化过程中畴壁、斯格明子等自旋纹理稳定性难以保障，完整系统级硬件实现案例仍然不足。

未来研究一方面需要依托材料工程、机器学习辅助材料筛选，开发居里温度高于室温的二维磁性材料，优化薄膜生长与界面钝化工艺，解决材料制备与界面质量难题；另一方面要进一步挖掘拓扑绝缘体、量子自旋液体等新材料体系，发展三维集成架构，推进自旋电子器件从单元、阵列走向完整神经形态系统实现。除此之外，该领域的发展也会反向推动人工智能材料筛选技术进步，同时也引申出人工智能创造力等跨学科议题，需要计算机、材料、哲学等多学科交叉协作，进一步释放二维自旋电子神经形态计算的全部技术潜力。

Plummer, D.Z.; D’Alessandro, E.; Burrowes, A.; Fleischer, J.; Heard, A.M.; Wu, Y. 2D Spintronics for Neuromorphic Computing with Scalability and Energy Efficiency. J. Low Power Electron. Appl. 2025, 15, 16.

期刊介绍

主编：Davide Bertozzi, University of Manchester, UK

Journal of Low Power Electronics and Applications (IF 1.7, ISSN 2079-9268）是一个国际性、经过严格同行评审的开放获取学术期刊。期刊旨在发表低功耗电子方向的创新研究和重要成果。期刊范围涵盖的主题包括但不限于新兴电子器件和工艺技术、模拟、数字和混合信号VLSI电路、架构和系统设计、SoC和嵌入式系统、能量采集和无电池系统、综合和优化工具，以及用于低功耗设计的CAD工具和方法。目前被Scopus、ESCI (Web of Science) 等数据库收录。

2025 Impact Factor：1.7

2025 CiteScore：4.6

Time to First Decision：21.8 Days

Acceptance to Publication：4.8 Days