日本东北大学的研究者有史以来第一次成功演示了基于自旋电子学的人工智能（spintronics-based artificial intelligence）的基本操作。
图 1：(a) 在本演示中用作人工突触的人工制造的自旋电子器件的光学照片。图中也展示了用于电阻切换的测量电路。(b) 该器件的电阻和被施加的电流之间的关系，表现出了类似模拟的电阻变化。(c) 安装在一个陶瓷封装上的自旋器件阵列的照片，这种器件可被用于开发人工神经网络。
模拟生物大脑处理信息的方式的人工智能可以快速执行复杂和精细的任务，比如图像识别和天气预测。人工智能近些年来得到的关注越来越大，并且也已经出现了很多有价值的实际应用。
当前的人工智能都工作在传统的框架上——即基于半导体的集成电路技术。但是，半导体器件并不具备人脑的紧凑型和低功耗特性。为了解决这一难题，实现用作突触的单个固态器件是非常有前途的。
东北大学的 Hideo Ohno 教授、Shigeo Sato 教授、Yoshihiko Horio 教授、Shunsuke Fukami 副教授和 Hisanao Akima 副教授的所组成的研究团队在他们最近研发出的自旋电子器件（spintronic devices）中开发了一个人工神经网络，其采用了微尺度磁性材料（micro-scale magnetic material），如图 1 所示。
和传统的磁性器件不同，他们所用的自旋电子器件能够以一种模拟的方式记忆 0 到 1 之间的任意值，因此可以执行学习功能，类似于大脑中的突触。
图 2：开发出的人工神经网络的框图，包含了 PC、FPGA 和自旋电子阵列（SOT/spin-orbit torque，自旋轨道转矩）器件。
使用这个开发出来的网络（图 2），这些研究者实验了关联记忆操作（associative memory operation）——传统计算机还无法实现这样的运算。经过多次试验之后，研究者确定这种自旋电子器件具备学习能力——他们开发出来的人工神经网络可以像人脑一样成功将它们记忆中的模式和有噪声的输入版本关联起来。
这个概念证明的演示有望为人工智能技术开辟新的发展空间——在减小紧凑尺寸的同时还能实现高速处理的能力和超低的功耗。这些特性应该有助于将人工智能推广到更广泛的社会应用领域，比如图像/声音识别、可穿戴终端、传感器网络和护理机器人。
图 3. 三类模式，I、C 和 T，展现在 3×3 的框里，被用于关联记忆操作实验。
