人工智能正以驚人的速度發展，但其不斷增長的能源需求帶也來了重大挑戰。自旋電子器件是一種通過集成記憶和處理來模仿大腦效率的新技術，可大幅減少AI能耗

日本科學家現已開發出一種突破性的自旋電子器件，該器件可通過電子方式控制磁狀態，從而大幅降低功耗。這一突破可能會徹底改變人工智能硬件，使芯片的能效大大提高，模仿神經網絡的運作方式。

自旋電子器件：改變人工智能硬件格局的技術

人工智能正在迅速改變行業，但隨著這些技術的發展，它們對電力的需求也在增長。為了保持進一步的發展，人工智能芯片必須更加節能。

這就是自旋電子器件的作用所在。通過集成內存和計算功能（類似于人類大腦的運作方式），它們為低功耗 AI 芯片提供了有希望的基礎。

來自東北大學、日本國立材料科學研究所和日本原子能機構的研究人員開發出了一種突破性的自旋電子器件。這項新技術實現了非共線反鐵磁體和鐵磁體的電相互控制，從而實現了磁狀態的有效切換。實際上，它可以用更少的能量來存儲和處理信息，就像一個受大腦啟發的人工智能芯片一樣。

這一突破或將為高效節能的新一代人工智能硬件鋪平道路。該研究成果發表在上個月《自然通訊》雜志上。

模仿神經網絡并實現超高效的人工智能芯片

利用多狀態磁控制徹底改變人工智能

負責這項研究的東北大學的 Shunsuke Fukami 表示：盡管自旋電子學研究在電控制磁序方面取得了重大進展，但大多數現有的自旋電子器件都將要控制的磁性材料的作用與提供驅動力的材料的作用分開。

這些設備一旦制造出來，就會有一個固定的操作方案，通常以二進制方式將信息從“0”切換到“1”。然而，新研究團隊的突破為電可編程切換多個磁狀態提供了重大創新。

傳統磁存儲裝置和新研究開發的電相互切換裝置的比較

利用磁自旋霍爾效應的力量

Fukami 和他的同事采用非共線反鐵磁體 Mn3Sn 作為核心磁性材料。通過施加電流，Mn3Sn 會產生自旋電流，通過稱為磁自旋霍爾效應的過程驅動相鄰鐵磁體 CoFeB 的切換。鐵磁體不僅響應自旋極化電流，而且還會影響 Mn3Sn 的磁態，從而實現兩種材料之間的電相互切換。

在概念驗證實驗中，該團隊證明寫入鐵磁體的信息可以通過 Mn3Sn 的磁狀態進行電控制。通過調節設定電流，能夠以代表多種狀態的不同軌跡切換 CoFeB 的磁化。這種模擬切換機制（其中電流的極性可以改變寫入信息的符號）是神經網絡中的一項關鍵操作，模仿了突觸權重（模擬值）在 AI 處理中的功能。

通過電相互切換現象實現的神經形態計算概念驗證功能

為節能的 AI 芯片鋪平道路

Fukami 表示：這一發現代表著朝著開發更節能的人工智能芯片邁出了重要一步。通過實現非共線反鐵磁體和鐵磁體之間的電氣相互切換，研究人員為電流可編程神經網絡開辟了新的可能性，他們現在專注于進一步降低工作電流并增加讀出信號，這對于人工智能芯片的實際應用至關重要。

該團隊的研究為提高人工智能芯片的能源效率和最大限度地減少其對環境的影響開辟了新的途徑。