Chiral Non-stationary Magnonic Auto-oscillator for neuromorphic computing

Opis projektu

Nowatorskie nanooscylatory lepiej odtwarzają funkcje mózgu

Obliczenia neuromorficzne to rozwojowa dziedzina inspirowana sposobem przetwarzania informacji przez ludzki mózg, której celem jest opracowanie szybszych i bardziej energooszczędnych układów. Zespół finansowanego ze środków działania „Maria Skłodowska-Curie” projektu CNMA rozwinie tę dziedzinę, opracowując innowacyjne nanooscylatory spinowe, zwane chiralnymi niestacjonarnymi autooscylatorami magnonicznymi. Urządzenia te będą wykorzystywać modulowane w czasie prądy elektryczne i specjalne sygnały pozwalające na odtworzenie zdolności zbliżonych do ludzkiego mózgu, takich jak pamięć krótkotrwała i nieliniowe odpowiedzi przy wysokich częstotliwościach gigahercowych. Proponowane badania skoncentrują się na poprawie osiągów i zwiększeniu szybkości tych urządzeń do wykorzystania w sieciach inspirowanych mózgiem. Ponadto zespół zbada, jak można połączyć wiele urządzeń, aby zwiększyć ich moc obliczeniową.

Cel

This project aims to advance the field of neuromorphic computing by exploiting novel non-stationary dynamics in spin torque nano-oscillator, called here chiral non-stationary magnonic auto-oscillators. The core innovation lies in the numerical and experimental demonstration of time-modulated electric current (TMEC) stimulation combined with secondary stimuli to induce robust nonlinear excitations capable of sustaining neuromorphic computations. Key features such as short-term memory, echo-state properties and strong non-linear responses are achieved in the GHz frequency range, specifically targeting skyrmion and vortex textures.

The project will focus on optimising CNMA for analogue neural networks by exploring time-dependent stimulation, improving energy efficiency and computational speed. A crucial part of the research will be a close collaboration with the renowned group at the University of Kaiserslautern, where I will receive specialised training in advanced experimental techniques for magnetoresistive and spectral analysis. This will be cross validated with micromagnetic simulations, combining the expertise of the fellow and the host group. The success of the project is also guaranteed by international cooperation with renowned research centres providing samples.

Towards the end of the project, we will numerically demonstrate the scalability of the CNMA system by coupling multiple CNMAs via spin waves in a ferromagnetic strip, mimicking additional neural connections. This approach promises to significantly increase the computational power of CNMA-based reservoir computing systems. Through this partnership, fellow aim to establish a strong international research network, which will open opportunities for long-term collaborations and enhance my position within the scientific community. This extensive cooperation will also play a crucial role in securing future employment within academic institutions or R&D sectors in industry.