与其他人工神经网络相比，储层计算（RC）有一些优势，包括该技术名称的储层。储层的作用主要是对输入数据进行快速有效的非线性变换。自旋波传播由磁相互作用引起的波状扰动，可以穿过材料。这些激发是由电子的自旋驱动的。

　　通过利用电自由度和自旋自由度之间的耦合，自旋波存储芯片为电-自旋转换提供了一个新的平台。这些设备包含一个物理储层，作为一个非线性模拟元件，能够将电信号转换为相应的自旋波表示，提高学习精度和短期记忆任务。该技术的实际应用可以在从生物医学成像到自动驾驶汽车技术等领域产生巨大的差异。

　　在发表在《物理评论应用》（Physical Review Applied）上的一项研究中，人们设计了这种感兴趣的设备，以方便检测来自三个球形波激发的表面模式自旋波的信号。研究人员开发的自旋波储层装置提供的结果表明，表面模式自旋波的电信号在所有四个观测天线中都可以检测到，证明了其作为一输入四输出储层的功能。

　　在此之前，对自旋波储层的研究大多是理论性的。然而，研究结果证实了该方法的有效性，而无需使用虚拟节点（一种数据分布和任务简化的方法）来评估外部磁场，进一步推动自旋波储层芯片成为一种实用方法，而不仅仅是理论方法。

　　从这项研究中收集的信息是通过使用具有磁铁特性的易磁化金属合金薄膜获得的，这意味着它可以被磁化并将长期保持磁化状态。利用磁场激发自旋波，利用天线探测波形，通过自旋波储存库估计外场。

　　检测天线证实了学习准确性的提高，同时也证实了短期记忆的增加。该研究的作者兼研究员Koji Sekiguchi说：“结果表明，该设备在短期记忆任务中可以提前一步保留记忆，同时证实了惠更斯狭缝引起的自旋波干扰在增强非线性方面的有效性。”

　　这是通过每个天线检测到的信号的时间差来检测的。惠更斯狭缝是允许光衍射的小开口，遵循惠更斯原理，光波上的每个点都可以作为圆波从狭缝传播的点。这一原理引起自旋波干扰，这是这类技术的驱动作用。

　　由于这是第一个可以在设备中实现的原型，因此它并非没有改进的需要。在低激励水平下，该方法的性能受到限制，这使得该方法难以用于高度非线性的信息变换。然而，在短期记忆任务和纠错任务中，自旋波储层芯片都优于其他物理储层。

　　Sekiguchi表示：“我们的最终目标是利用自旋波存储芯片建立边缘计算技术，目的是开发包括生物医学成像和自动驾驶汽车在内的广泛应用。”

　　有了这个，研究人员相信实际应用即将实现。

　　横滨国立大学工程科学研究生院的shoo Nagase和Shoki Nezu以及横滨国立大学高级科学研究所、多学科科学研究所和工程学院的Koji Sekiguchi对这项研究做出了贡献。