随着物联网和人工智能时代的到来,基于冯诺依曼结构的数字计算在处理海量信息时需要消耗大量的能源和时间。另一方面,摩尔定律逐渐走到尽头,硅基晶体管性能无法大幅提升。基于新兴非易失器件的存内模拟计算作为一种新的范式逐渐回归,有望实现高能效、高时效的计算。其中,自旋轨道力矩器件因其读写路径分离,低功耗、高速度、高稳定性和耐久性等受到了广泛关注。目前,存内模拟计算中,模拟算术运算和基于模拟式人工突触的神经形态计算是两个重要研究方向。模拟算术运算主要通过多个分离单元组成的电路实现,存在面积开销大,时间延迟高等问题;模拟式人工突触主要基于新兴非易失器件来实现乘积操作,然而存在线性度和对称性较差、需要初始化或者外磁场辅助等问题,影响了人工神经网络的精度,限制了其应用。针对上述问题,本论文首先研究了磁场辅助下自旋轨道力矩操控磁性体磁化状态的改变,建立了磁场与自旋轨道力矩器件电阻之间的线性关系,实现了器件对磁场的线性感知或磁场对器件阻值的线性调控;进而基于器件对磁场的感知,实现了对三维磁场的探测,并研究了电流致磁场感知,建立了电流和器件电阻之间的线性关系,从而实现了器件对电流的线性感知或电流对器件阻值的线性调控;然后基于器件对电流的线性感知,制作了存内模拟乘法器和加/减法器,并实现了信号的幅值调制和图片的边缘提取;最后基于电流对器件电阻的线性调控,实现了人工突触功能。首先,基于Ta/CoFeB/MgO/Ta（W/CoFeB/MgO/Ta）材料中的磁畴壁移动（成核）机制研究了自旋轨道力矩操控磁体磁化状态的改变,并建立了磁场和器件电阻之间的线性关系。随后,基于器件对磁场的线性感知,利用单器件实现了对三维磁场的探测。并基于电流致磁场感知研究,建立了电流和器件电阻之间的线性关系。进一步地,基于电流感知,实现了存内模拟乘法器和加/减法器。模拟乘法器通过测试器件的反常霍尔电压可以得到两个电流输入信号的乘积,并实现了信号的幅值调制。模拟加/减法器利用基尔霍夫电流定律,实现了多输入的模拟加/减法,并实现了对图片的边缘提取。最后,基于电流对器件阻值的高线性和对称性的调控,将器件作为突触,阻值作为权重构建人工神经网络,对手写体数字的识别率达到95%。本论文的研究揭示了自旋器件基于感知功能实现存内模拟计算的可行性,为自旋技术用于发展新型计算范式开辟了思路。