我院自旋电子学团队在强层间耦合的人工合成反铁磁异质结中同时实现了反常霍尔信号增强和无外磁场辅助的自旋轨道矩驱动的确定性磁化翻转，并利用增强的反常霍尔信号模拟神经元和突触功能，实现了对手写数字的高效识别。相关研究成果以“Neuromorphic Computing in Synthetic Antiferromagnets by Spin-Orbit Torque Induced Magnetic-Field-Free Magnetization Switching”为题发表在《Advanced Functional Materials》期刊上。论文链接：https://doi.org/10.1002/adfm.202404679

强层间反铁磁耦合的人工合成反铁磁体具有高热稳定性、超快的自旋动力学和强抗干扰性等优点，在磁存储器、自旋逻辑器件以及神经形态计算硬件中具有广阔的应用前景。然而，在传统的人工合成反铁磁体中，磁矩补偿往往伴随着反常霍尔信号的抵消，不利于信号的读出。此外，强层间反铁磁耦合的人工合成反铁磁体中自旋轨道矩驱动的确定性垂直磁化翻转仍然需要外部磁场的辅助，这不利于信息的写入。因此，亟需在强层间耦合的人工合成反铁磁体中实现霍尔信号增强和无外磁场辅助的电控磁化翻转。

为此目的，我院自旋电子学团队设计并成功制备了强层间反铁磁耦合的Pt/CoPt/Ru/CoTb人工合成反铁磁异质结，实现了以下功能：(1)、同时实现了室温下磁矩补偿和剩磁态反常霍尔电阻的增强；(2)、通过倾斜溅射（Pt/CoPt层），打破异质结面内结构空间反演对称性，实现了无外磁场条件下自旋轨道矩驱动的确定性磁化翻转；(3)、获得非易失、线性、且均匀对称变化的多电阻态，成功模拟突触可塑性以及神经元非线性sigmoid激活函数，并进一步构建了全连接神经网络，实现对手写数字高达97.0-98.1%的识别率；(4)、成功模拟突触的时间依赖可塑性，并构建了脉冲神经网络，对手写数字进行无监督自适应学习，识别准确率达到87%。该研究工作表明霍尔信号增强的人工合成反铁磁异质结在高识别率、低功耗的神经形态计算硬件方面有很好的应用前景。

2021级博士生韩翔为文章第一作者，田玉峰教授和颜世申教授为共同通讯作者，文章的合作者还有博士生王振兴、本科生王轶恒、郑立梅教授、陈延学教授和柏利慧教授，中国科学院微电子研究所的博士生王迪和邢国忠研究员，齐鲁工业大学的赵乐博士，以及济南大学的黄启坤博士和曹强副教授。山东大学为第一作者单位和唯一通讯作者单位。

该研究工作得到了国家自然科学基金重点项目、“XXX计划”项目和山东省重大基础研究项目的资助。