Design of k-space Magnon Dynamics by Machine Learning
Rattachement africain : hu, fr, it. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
We demonstrate the application of machnine learning techniques to the design of magnonic neuromorphic devices. Specifically, we show that these techniques are applicable not only to inverse-design propagating waves but to engineer the modal dynamics of nanomagnets in such a way that these magnets solve basic classification tasks.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Design of k-space Magnon Dynamics by Machine Learning
- Date Crossref
- 01/05/2023
- Éditeur
- IEEE
- Type
- proceedings-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
Pázmány Péter Catholic University ny Pé pays non établi dans la noticeUniversité ou école supérieure
-
Centre National de la Recherche Scientifique pays non établi dans la noticeOrganisme public
-
Centre de Nanosciences et de Nanotechnologies pays non établi dans la noticeStructure de recherche
-
Laboratoire Albert Fert pays non établi dans la noticeStructure de recherche
-
University of Naples Federico II pays non établi dans la noticeUniversité ou école supérieure
-
CNRS Centre for Nanoscience and Nanotechnology pays non établi dans la noticeStructure de recherche
-
Università pays non établi dans la noticeInstitution
ny Pé — Pázmány Péter Catholic University, Centre National de la Recherche Scientifique et Centre de Nanosciences et de Nanotechnologies, avec 4 autres affiliations.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.