تراشهٔ مغناطیسی ؛ انقلابی که می‌تواند همه چیز را تغییر دهد
دستگاه‌های اسپینترونیکی: تغییر بنیادین در سخت‌افزار هوش مصنوعی
هوش مصنوعی در حال متحول کردن صنایع مختلف است، اما با افزایش پیچیدگی این فناوری‌ها، نیاز به انرژی نیز افزایش می‌یابد. برای پیشرفت بیشتر، تراشه‌های هوش مصنوعی باید بهره‌وری انرژی بیشتری داشته باشند.
در اینجاست که دستگاه‌های اسپینترونیکی وارد میدان می‌شوند. این دستگاه‌ها با ترکیب حافظه و پردازش، مشابه عملکرد مغز انسان، بستری مناسب برای تراشه‌های کم‌مصرف هوش مصنوعی فراهم می‌کنند.
محققان دانشگاه توهوکو، موسسه ملی علوم مواد، و آژانس انرژی اتمی ژاپن موفق به توسعه دستگاه اسپینترونیکی پیشرفتهای شده‌اند.
این فناوری جدید امکان کنترل متقابل الکتریکی بین آنتی‌فرومغناطیس غیرهمسو و فرومغناطیس را فراهم کرده و منجر به سوییچ کارآمد وضعیت‌های مغناطیسی می‌شود.
به بیان ساده، این دستگاه می‌تواند مشابه تراشه‌های الهام‌گرفته از مغز، اطلاعات را با مصرف انرژی بسیار کمتر ذخیره و پردازش کند.
گفته می‌شود این کشف می‌تواند راه را برای نسل جدیدی از سخت‌افزارهای هوش مصنوعی هموار کند که علاوه بر کارایی بالا، مصرف انرژی بهینه‌ای نیز دارند. یافته‌های این پژوهش در تاریخ ۵ فوریه ۲۰۲۵ در مجله Nature Communications منتشر شد.
انقلاب در هوش مصنوعی با کنترل چندگانه مغناطیسی
«در حالی که تحقیقات اسپینترونیکی تاکنون پیشرفتهای چشمگیری در کنترل الکتریکی نظم مغناطیسی داشته‌اند، اغلب دستگاه‌های موجود نقش مواد مغناطیسی را از مواد ایجادکننده نیروی محرک جدا می‌کنند.» این گفته شونسوکه فوکامی از دانشگاه توهوکو، سرپرست این تحقیق است.
این دستگاه‌ها معمولاً دارای یک الگوی عملیاتی ثابت هستند و اطلاعات را در یک سیستم دودویی «۰» و «۱» تغییر می‌دهند. اما پژوهش جدید، امکان برنامه‌ریزی الکتریکی برای تغییر چندین وضعیت مغناطیسی را فراهم می‌کند که گامی بزرگ در این حوزه محسوب می‌شود.
بهره‌گیری از اثر اسپین هال مغناطیسی
فوکامی و همکارانش از آنتی‌فرومغناطیس غیرهمسوی Mn3Sn به عنوان ماده مغناطیسی اصلی استفاده کردند.
با اعمال جریان الکتریکی، Mn3Sn یک جریان اسپینی تولید می‌کند که فرومغناطیس CoFeB مجاور را از طریق پدیده‌ای به نام اثر اسپین هال مغناطیسی تحریک می‌کند.
نه‌تنها فرومغناطیس تحت تأثیر جریان اسپینی تغییر می‌کند، بلکه متقابلاً بر وضعیت مغناطیسی Mn3Sn نیز تأثیر می‌گذارد، که در نتیجه منجر به کنترل الکتریکی متقابل بین این دو ماده می‌شود.
در آزمایش‌های اولیه، تیم تحقیقاتی نشان داد که اطلاعات نوشته‌شده روی فرومغناطیس را می‌توان از طریق وضعیت مغناطیسی Mn3Sn کنترل کرد.
با تنظیم مقدار جریان اعمال‌شده، آن‌ها توانستند مغناطیس CoFeB را در مسیرهای مختلف تغییر دهند و چندین وضعیت اطلاعاتی ایجاد کنند.
این مکانیسم سوییچینگ آنالوگ، که در آن جهت جریان بر علامت اطلاعات تأثیر می‌گذارد، عملکردی مشابه وزن‌های سیناپسی (مقادیر آنالوگ) در پردازش هوش مصنوعی دارد.
تراشه مغناطیسی
رایانش نرومورفیک و مسیر پیش رو در توسعه تراشه مغناطیسی
این پژوهش نشان‌دهنده گامی مهم در توسعه تراشه‌های هوش مصنوعی کم‌مصرف است. با تحقق کنترل الکتریکی متقابل بین آنتی‌فرومغناطیس غیرهمسو و فرومغناطیس، مسیر جدیدی برای توسعه‌ی شبکه‌های عصبی مبتنی بر جریان الکتریکی گشوده شده است.
«اکنون تمرکز ما بر کاهش بیشتر جریان‌های عملیاتی و افزایش سیگنال‌های خواندنی است، که برای کاربردهای عملی در تراشه‌های هوش مصنوعی حیاتی خواهد بود.» این سخنان فوکامی نشان می‌دهد که آیندهٔ هوش مصنوعی می‌تواند به لطف این نوآوری، کارآمدتر و پایدارتر باشد.