与其他人工神经网络相比，储层计算（RC）具有一定的优势，包括使该技术得名的储层。储层的作用主要是对输入数据进行更快速有效的非线性转换。而自旋波是由磁相互作用引起的波状扰动传播，可以穿过材料，这些激发态通过电子自旋驱动。

（图片来源：横滨国立大学）

通过利用电自由度和自旋自由度之间的耦合，自旋波储层芯片为电-自旋转换提供了新平台。这些设备中包含物理储层，其作为非线性模拟元件，能够将电信号转换为相应的自旋波表示，从而提高学习精度和短期记忆任务。该技术有望投入生物医学成像和自动驾驶汽车技术等实际应用，并产生巨大的影响。

据外媒报道，在发表在期刊《物理评论应用（Physical Review Applied）》上的一项研究中，横滨国立大学（Yokohama National University）的研究团队设计了这种设备，以便检测来自三个球形波激发的表面模式自旋波的信号。所开发自旋波储层装置提供的结果表明，在所有四个观测天线中都可以检测到表面模式自旋波的电信号，从而证明其作为一输入四输出储层的功能。

之前对自旋波储层的研究大多是理论性的。然而，这项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。这进一步推动自旋波储层芯片成为实用方法，而不仅仅是理论方法。

这项研究中收集的信息，通过使用易磁化金属合金薄膜（具有磁铁特性）而获得，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，并利用天线来检测波形，通过自旋波储层来进行外场评估。

检测天线证实了学习准确性提高，同时也确认短期记忆增加。研究人员Koji Sekiguchi表示：“结果表明，该设备在短期记忆任务中可以保留前一步的记忆，同时证实惠更斯狭缝（Huygens slits）引起的自旋波干扰在增强非线性方面的有效性。”

这是根据每个天线检测到的信号时间差来检测的。惠更斯狭缝是允许光衍射的小开口，然后遵循惠更斯原理，光波上的每个点都可以充当从狭缝中传播出的圆形波点。这一原理会引发自旋波干扰，而这正是此类技术的驱动作用。

这是首个可以在设备中实现的原型，因此可能需要改进。在低励磁（excitation）水平下，该方法的性能可能受到限制，难以用于高度非线性信息转换。然而，在短期记忆任务和纠错任务中，自旋波储层芯片的表现都优于其他物理储层。

研究人员认为，此项技术很快将投入实际应用。Sekiguchi表示：“最终目标是利用自旋波储层芯片来建立边缘计算技术，以开发包括生物医学成像和自动驾驶汽车在内的广泛应用。”