AI -transformationseffekten er godt i gang. Men når AI -teknologier udvikler sig, gør deres strømforbrug også. Yderligere fremskridt kræver AI -chips, der kan behandle AI -beregninger med høj energieffektivitet. Det er her spintroniske enheder kommer ind i ligningen. Deres integrerede hukommelse og computerkapaciteter efterligner den menneskelige hjerne, og de kan fungere som en byggesten til lavere Power AI-chips.
Nu har forskere ved Tohoku University, National Institute for Materials Science og Japan Atomic Energy Agency udviklet en ny spintronisk enhed, der muliggør elektrisk gensidig kontrol af ikke-kollineære antiferromagnets og ferromagnets. Dette betyder, at enheden kan skifte magnetiske tilstande effektivt, opbevare og behandle information med mindre energi-ligesom en hjernelignende AI-chip.
Gennembrudet kan potentielt revolutionere AI -hardware via højeffektivitet og lave energiomkostninger. Holdet offentliggjorde deres resultater i Naturkommunikation den 5. februar 2025.
“Mens Spintronic Research har gjort betydelige fremskridt med at kontrollere magnetisk rækkefølge elektrisk, adskiller de fleste eksisterende spintroniske enheder rollen som magnetisk materiale, der skal kontrolleres, og det materiale, der giver drivkraften,” siger Tohoku University’s Shunsuke Fukami, der overvågede forskningen.
Disse enheder har en fast driftsordning, der engang er fremstillet, og skifter typisk information fra “0” til “1” på en binær måde. Imidlertid tilbyder det nye forskerteams gennembrud en stor innovation inden for elektrisk programmerbar skift af flere magnetiske tilstande.
Fukami og hans kolleger beskæftigede den ikke-kollinære antiferromagnet MN3Sn som kernemagnetisk materiale. Ved at anvende en elektrisk strøm, MN3SN genererer en spinstrøm, der driver skiftet af en nærliggende ferromagnet, Cofeb, gennem en proces kendt som Magnetic Spin Hall -effekten.
Ikke kun reagerer ferromagneten på den spin-polariserede strøm, men det påvirker også den magnetiske tilstand af Mn3SN, der muliggør den elektriske gensidige skift mellem de to materialer.
I deres proof-of-concept-eksperiment demonstrerede teamet, at oplysninger, der er skrevet til ferromagneten, kan kontrolleres elektrisk via den magnetiske tilstand af MN3Sn. Ved at justere den indstillede strøm var de i stand til at skifte magnetisering af COFEB i forskellige spor, der repræsenterer flere tilstande.
Denne analoge switching -mekanisme, hvor polariteten i strømmen kan ændre tegn på de skrevne oplysninger, er en nøgleoperation i neurale netværk, der efterligner den måde, synaptiske vægte (analoge værdier) fungerer i AI -behandling.
“Denne opdagelse repræsenterer et vigtigt skridt i retning af udviklingen af mere energieffektive AI-chips. Ved at realisere den elektriske gensidige skift mellem et ikke-kollinært antiferromagnet og en ferromagnet har vi åbnet nye muligheder for nuværende-programmerbare neurale netværk,” sagde Fukami. “Vi fokuserer nu på yderligere at reducere driftsstrømme og øge aflæsningssignaler, som vil være afgørende for praktiske anvendelser i AI -chips.”
Holdets forskning åbner nye veje for at forbedre energieffektiviteten af AI -chips og minimere deres miljøpåvirkninger.