自旋電子學(xué)涉及電子的內(nèi)在自旋和電子工程領(lǐng)域,目前相關(guān)研究正在積極進行,以解決現(xiàn)有硅半導(dǎo)體存在的集成局限性,開發(fā)下一代超低功耗和高性能半導(dǎo)體。磁性材料是開發(fā)自旋電子器件(如MRAM磁阻隨機存取存儲器)最常用的材料之一。因此,通過分析磁哈密頓量及其參數(shù)來準確識別磁性材料的性質(zhì),如熱穩(wěn)定性、動態(tài)行為和基態(tài)構(gòu)型等,具有重要意義。
以前,為了更準確深入地了解磁性材料的性質(zhì),需要通過各種實驗直接測量磁哈密頓參數(shù),這一過程需要耗費大量時間和資源。為了克服這些困難,韓國的研究人員開發(fā)了一種人工智能(AI)系統(tǒng),可以實時分析磁性系統(tǒng)。
韓國科學(xué)技術(shù)研究院(KIST)宣布,其聯(lián)合研究團隊開發(fā)了一種技術(shù),可以利用人工智能技術(shù),通過自旋結(jié)構(gòu)圖像估計磁哈密頓參數(shù)。該團隊由自旋收斂研究中心(Spin Convergence Research Center)的Heeyong Kwon博士和Dr. Junwoo Choi 博士,以及慶熙大學(xué)(Kyung Hee University)的Changyeon Won教授領(lǐng)導(dǎo)。
研究人員構(gòu)建深層神經(jīng)網(wǎng)絡(luò),并利用機器學(xué)習(xí)算法和現(xiàn)有磁疇圖像對其進行訓(xùn)練。結(jié)果表明,輸入通過電子顯微鏡獲得的自旋結(jié)構(gòu)圖像,可以實時估計磁哈密頓參數(shù)。此外,與實驗得到的參數(shù)值相比,人工智能系統(tǒng)的估計誤差小于1%,具有較高的準確度。據(jù)該團隊介紹,利用所開發(fā)的人工智能系統(tǒng),可以通過深度學(xué)習(xí)技術(shù),即時完成材料參數(shù)評估過程。以前完成這一過程需要數(shù)十個小時。
KIST的Hee-young Kwon博士表示:“我們提出一種新方法,展示如何利用人工智能技術(shù)來分析磁性系統(tǒng)性能。預(yù)計使用這種新方法,通過人工智能技術(shù)研究物理系統(tǒng),將縮小實驗值和理論值之間的差距,并將進一步融合人工智能技術(shù)和基礎(chǔ)科學(xué)研究,拓展新的研究領(lǐng)域?!?/span>