机器学习！香港科技大学，Nature Materials！

本文由香港科技大学邵启明教授团队发表在《Nature Materials》期刊上，研究了一种基于磁性拓扑绝缘体（MTI）的低温内存计算方案。研究背景聚焦于量子计算技术中的数据处理和错误校正挑战，特别是如何克服冯·诺依曼瓶颈。研究目的是通过利用磁性拓扑绝缘体的旋量边缘态（CESs）实现高效的计算与存储功能，以支持机器学习和量子计算任务。实验结果显示，该方案在2K温度下展现了高稳定性和能效，并通过iris花卉数据集的分类任务验证了其优越性能，分类精度达到96%。结论指出，这种新型内存计算方案在量子计算和神经网络模拟中具有高度能效和稳定性，未来有望通过材料制备技术的进步进一步优化性能。