Speaker：邵启明助理教授（香港科技大学）  

Date and Time ：2023年4月24日（周一）4：00PM  

Venue：科大西区电二楼102会议室

报告摘要：低温电子学对于减少量子芯片的输入/输出端口数量以及为可扩展的量子计算生成多路复用读取和控制脉冲已变得至关重要。 低温电子学的一个难点是支持高效的机器学习算法，这些算法已被证明对量子纠错和量子控制等基本量子计算任务有效。 使用忆阻器（非易失性和电可编程设备）的存内计算消除了计算和内存单元之间大量耗能且缓慢的数据传输，有望实现机器学习算法的节能硬件。 用于量子计算的低温存内计算需要在低温下工作的节能忆阻器，这仍然是缺失的。 磁性拓扑绝缘体是有前途的候选者，因为它们可以通过具有高能效的电流来调节磁序。 在这里，我们利用磁性拓扑绝缘体作为忆阻器（称为磁性拓扑忆阻器）并引入基于手性边缘状态的低温存内计算方案。 一方面，手性边缘态可以通过自旋动量锁定拓扑表面电流注入从左手手性调整到右手手性。 另一方面，手性边缘态表现出巨大的双极反常霍尔电阻，这有利于电读出。 忆阻开关和手性边缘状态的读取表现出高能量效率、高稳定性和低随机性。 我们使用四个磁性拓扑忆阻器在概念验证分类任务中实现了高精度。 此外，我们基于磁拓扑忆阻器的大规模神经网络的算法级和电路级仿真表明，与现有的磁性忆阻器技术相比，图像识别和量子态准备的软件级精度和更低的能耗。 我们的结果可能会激发更多基于拓扑量子物理的新型计算方案。

报告人简介：邵启明现任香港科技大学电子与计算机工程系和物理系助理教授。 2013年获清华大学学士学位，2019年获加州大学洛杉矶分校博士学位。 他的实验室旨在为物理和量子智能实现节能和省时的硬件。 他的研究兴趣是用于记忆、神经形态和量子计算应用的新型电子和自旋电子材料和结构。 他的研究作品发表在顶级同行评审期刊和会议上，包括 Nature Nanotechnology、Nature Electronics、Nature Communications、Nano Letters 和 International Electron Device Meeting。 曾获得2022年IEEE磁学学会青年成就奖和加州大学洛杉矶分校杰出博士论文奖、2018-2019年度博士论文奖学金、2019年中国政府优秀自费留学生奖、2018年国际磁学会议最佳海报奖两项 ，以及 2015 年高通创新奖学金入围者。 他是 IEEE 香港磁学学会主席 (2023-)，也是 IEEE 香港电子器件和固态电路联合分会主席 (2020-21)。