ナノスケール交換バイアス磁気トンネル接合が可能にするメムリスティブシナプスと漏れ積分発火ニューロンによるニューロモルフィックコンピューティング

小さな磁気素子がコンピューティングを変える理由

今日のスマート機器は、データをメモリとプロセッサ間で絶えず往復させる電力集約型のチップに依存しています。本論文は、記憶と計算が同じ微小素子で起こる脳に着想を得た別の道を探ります。研究者らは、ナノスケールの磁気素子がニューロンとそれをつなぐシナプスの両方のように振る舞えることを示し、ジェスチャー認識などのタスクに対して高速で効率的なハードウェアへの道を開きます。

脳の信号からスパイキング回路へ

生物学的な脳は、ニューロン間を伝わる短い電気パルスであるスパイクを用いて情報を処理し、シナプスの結合強度は継続的に調整されます。これらの考え方を人工的に実装したスパイキングニューラルネットワークは、理論的には今日のチップよりずっと少ないエネルギーで動作する可能性があります。しかし、現在の多くのシステムは依然として従来の電子回路を用いており、メモリと論理を分離し、単一のニューロンやシナプスを模倣するのに多くのトランジスタを必要とします。この不一致は面積と電力の無駄を生み、脳に着想を得た計算の約束を損ないます。

磁性を用いて記憶と処理を一体化する

研究チームは磁気トンネル接合（MTJ）と呼ばれるメモリ技術に着目しました。ここでは電気抵抗が微小な磁性層の相対的な配向に依存します。自由層に「バイアス」を与える追加の磁性材料を組み込むことで、短い電流パルスでスイッチできる交換バイアスMTJを作製しました。素子形状や磁性積層の巧みな設計により、あるバージョンは多数の安定した抵抗レベルを持つシナプスのように振る舞い、より小さなバージョンは二状態の間を鋭く切り替えるニューロンのように動作します。両者は同じ積層構造を共有するため、チップ上での統合が簡略化されます。

タイミングを記憶する小さなシナプス

シナプスに似た素子では、短い電流パルスが磁石全体を一度に反転させるのではなく、微視的な磁気ドメインを徐々に再構成します。その結果、直径約100ナノメートルの素子で25以上の異なる抵抗レベルが得られ、これらのレベルは数年間安定で強い外部磁場にも耐えます。プレおよびポストのニューロンスパイクに相当する二つのパルスを時間差を変えて送ることで、スパイクが近接して到着すると結合がより強化または弱化されるという、生物で観察される重要な学習規則を再現します。スパイク時間差依存可塑性（STDP）として知られるこの時間依存の学習は、磁性粒子の熱と電流による再配置から自然に生じます。

積分して発火する小さなニューロン

ニューロンに似た素子は異なる応答を示します。個々の電流パルスは単独では素子を反転させるには弱すぎるように選ばれていますが、それらを高速で連続して与えると接合部が加熱され内部のエネルギー障壁が低下し、突然状態が反転します。これは入力を積分してから発火するニューロンの挙動を模倣します。パルスが止むと素子は冷却され、有効な閾値が回復して蓄積入力が自然に「漏れる」特性を提供します。実験では、これらの人工ニューロンが0.4ナノ秒という非常に短いパルスで確実にスイッチし、1回の発火あたり数百フェムトジュールしか消費しないことが示されており、典型的なトランジスタベースのニューロン回路よりはるかに低消費電力でギガヘルツ動作に十分な高速性を持ちます。

完全な磁気ジェスチャー認識器の評価

こうした素子がシステム内で何ができるかを検証するため、研究者らはこれらの磁気シナプスとニューロンだけで構成された多層スパイキングネットワークをシミュレーションしました。視覚イベントのストリームとして記録された実データのジェスチャーを用い、初期層では従来の訓練を組み合わせつつ出力層では時間依存学習を用いる構成です。素子挙動と実験で観測される不完全さをモデルに取り込んでも、ネットワークは手のジェスチャーを約96パーセントの精度で分類しました。スパイクは稀発でニューロンは必要なときだけ発火するため、任意時点で能動的な素子はごく一部に限られ、混合訓練方式により標準的手法と比べてシナプス更新の回数も削減されます。

今後のスマートハードウェアにとっての意義

非専門家にとっての要点は、同じ小さな磁気ビルディングブロックがプログラム可能な接続（シナプス）とスパイキングユニット（ニューロン）の両方として機能できるようになったことです。これらの交換バイアス磁気トンネル接合は高速に切り替わり、多くのレベルを記憶し、高密度に集積できるため、データをあちこち移動させるのではなくメモリ内で直接脳のように情報を処理するコンパクトで低エネルギーのチップの有力な候補となります。

引用: Chen, Z., Zhu, D., Du, A. et al. Nanoscale exchange-bias magnetic tunnel junctions enabled memristive synapse and leaky-integrate-fire neuron for neuromorphic computing. Nat Commun 17, 4362 (2026). https://doi.org/10.1038/s41467-026-70802-8

キーワード: ニューロモルフィックコンピューティング, スパイキングニューラルネットワーク, 磁気トンネル接合, スピントロニクス, ジェスチャー認識