Первоначальный замысел исследования сосредоточен на необходимости снижения энергопотребления при выполнении больших объёмов вычислений в сфере ИИ. Постоянное усложнение нейронных сетей приводит к росту затрат электроэнергии, и новая технология предполагает решение этой задачи с помощью спинтронных устройств, способных работать в режиме более низкого энергопотребления.
Учёные из Университета Тохоку, Национального института материаловедения (NIMS) и Японского агентства по атомной энергии (JAEA) объединили усилия, чтобы предложить аппаратную платформу для ИИ на базе электрически программируемого спинтронного устройства. Руководителем научной группы выступил Шунсукэ Фуками (Tohoku University), уделивший особое внимание совмещению памяти и вычислений по аналогии с биологическими нейронными сетями.
Ключевым достижением стало электрическое взаимное переключение неколлинеарного антиферромагнетика и ферромагнетика: исследователи показали, что при помощи электрических сигналов можно управлявать магнитным состоянием обоих материалов. Эта разработка отражена в статье, опубликованной в Nature Communications 5 февраля 2025 года, и призвана продвинуть создание новых AI-чипов, в которых сохранение и обработка информации выполняются более экономно.
Для реализации этого подхода использован неколлинеарный антиферромагнетик Mn3Sn, создающий спиновый ток при пропускании электрического тока, и соседний ферромагнетик CoFeB, переключаемый за счёт магнитного спин-эффекта Холла. Взаимное влияние видов магнетиков даёт возможность записывать и считывать многозначные состояния, уходя от чисто двоичной логики.
Эксперименты подтвердили, что информация, занесённая в ферромагнитный слой, может перестраиваться при изменении магнитного состояния Mn3Sn. Изменение полярности тока влияет на характер переключения CoFeB, что позволяет управлять несколькими уровнями записанных данных и имитировать аналоги синаптических связей в нейронных сетях.
Подход основывается на более тонком контроле магнитных состояний, чем в традиционных спинтронных схемах. Благодаря этой возможности появляется перспектива существенно сократить выбросы тепла и повысить быстродействие аппаратных компонентов, что в конечном итоге может привести к снижению нагрузки на энергосистему при масштабных задачах машинного обучения.
«Это открытие приближает нас к созданию более энергоэффективных AI-чипов за счёт электрического взаимного переключения неколлинеарных антиферромагнетиков и ферромагнетиков, – отметил Шунсукэ Фуками. – Теперь важно продолжить исследования в направлении уменьшения рабочих токов и повышения сигнала считывания, чтобы приблизить технологию к реальной интеграции в системы искусственного интеллекта».
Изображение носит иллюстративный характер
Учёные из Университета Тохоку, Национального института материаловедения (NIMS) и Японского агентства по атомной энергии (JAEA) объединили усилия, чтобы предложить аппаратную платформу для ИИ на базе электрически программируемого спинтронного устройства. Руководителем научной группы выступил Шунсукэ Фуками (Tohoku University), уделивший особое внимание совмещению памяти и вычислений по аналогии с биологическими нейронными сетями.
Ключевым достижением стало электрическое взаимное переключение неколлинеарного антиферромагнетика и ферромагнетика: исследователи показали, что при помощи электрических сигналов можно управлявать магнитным состоянием обоих материалов. Эта разработка отражена в статье, опубликованной в Nature Communications 5 февраля 2025 года, и призвана продвинуть создание новых AI-чипов, в которых сохранение и обработка информации выполняются более экономно.
Для реализации этого подхода использован неколлинеарный антиферромагнетик Mn3Sn, создающий спиновый ток при пропускании электрического тока, и соседний ферромагнетик CoFeB, переключаемый за счёт магнитного спин-эффекта Холла. Взаимное влияние видов магнетиков даёт возможность записывать и считывать многозначные состояния, уходя от чисто двоичной логики.
Эксперименты подтвердили, что информация, занесённая в ферромагнитный слой, может перестраиваться при изменении магнитного состояния Mn3Sn. Изменение полярности тока влияет на характер переключения CoFeB, что позволяет управлять несколькими уровнями записанных данных и имитировать аналоги синаптических связей в нейронных сетях.
Подход основывается на более тонком контроле магнитных состояний, чем в традиционных спинтронных схемах. Благодаря этой возможности появляется перспектива существенно сократить выбросы тепла и повысить быстродействие аппаратных компонентов, что в конечном итоге может привести к снижению нагрузки на энергосистему при масштабных задачах машинного обучения.
«Это открытие приближает нас к созданию более энергоэффективных AI-чипов за счёт электрического взаимного переключения неколлинеарных антиферромагнетиков и ферромагнетиков, – отметил Шунсукэ Фуками. – Теперь важно продолжить исследования в направлении уменьшения рабочих токов и повышения сигнала считывания, чтобы приблизить технологию к реальной интеграции в системы искусственного интеллекта».
