根據法國科學家的研究，利用自旋轉換力矩(spin-transfer torque, STT)來操作的隨機存取磁記憶體STT-MRAM可做為記憶磁阻元件，用來製作一個具有”學習”能力的類突觸(synaptic-like)接面。這種接面在積體電路與次世代電腦中可以做為仿人腦運作的記憶單元。 傳統電腦計算仰賴兩種記憶體，一是隨機存取記憶體(RAM)，接上電源就能快速運作，但電源一關就無法保存資料。第二種為永久性記憶體(例如隨身碟、硬碟或光碟)，沒有電源時仍能儲存資料，但是運作速度遠比RAM慢。 STT-MRAM是另一種選項，由於它並非以電荷而是以磁的自旋狀態來儲存資料(例如平行與反平行態)，所以運作快速又能在無電源下持續儲存資訊。然而這種技術有一個大問題，那就是隨機切換(stochastic switching)。 領導巴黎第十一大學(Université Paris-Sud)團隊進行這項研究的Damien Querlioz指出，隨機特性導致將一個記憶態切換到另一個態可能需時甚長，因此研究人員無法保證資料是否已成功儲存在構成這些記憶題的磁隧穿接面(magnetic tunnel junction, MTJ)中。這種現象稱為機率性程式設計(probabilistic programming)。 MTJ是磁記憶體的基本結構，它含有一層固定磁性層、一層氧化層，以及磁矩可以與固定層平行或反平行的自由磁性層；反平行時具有高的電阻，平行時則電阻較低。透過STT效應，正向電流能將STT-MJT從反平行態變成平行態，反之亦然，因此STT-MJT可視為二位元的雙極性電阻記憶體。 為了克服隨機切換，傳統記憶儲存方式是對MJT通夠久的電流，增加其由一個記憶態切換至另一記憶態的機率，但此過程會消耗不少能量。Querlioz的團隊則認為機率性程式設計或許可以變成優點，因為MJT可以在仿腦神經設計的系統中被當成突觸(連接元)，而只需要極少能量(<200 nW)就能運作，卻能處理大量資料。 Querlioz指出，採用短電流脈衝會導致只有部份機率改變記憶狀態，換言之，記憶狀態並非每一次都會改變。此結果與腦神經科學中的模型有異曲同工之妙，因此機率程式設計可以讓系統彷效人腦中神經突觸的學習方式，來學習其功能。 該團隊的初步模擬證實，此系統可以執行基本的辨認工作，如分析簡單的影像或影片，也可以分辨在影片中的某些目標。此團隊正計劃要製作出含有STT-MJT做為突觸的電路，他們也希望能製造出含CMOS/隨機突觸的複合電路。 Querlioz指出，這項研究有助於找到電阻記憶體奈米元件的應用新方法。他認為與其將奈米元件中的不可預期性(unpredictability)視為敵人，不如利用新穎的計算概念嘗試去開發它，當成有效率資料處理的基礎。詳見IEEE Transactions on Biomedical Circuits and Systems | DOI:10.1109/TBCAS.2015.2414423。 |