新型自旋电子器件助力AI创新

人工智能的变革性影响正在顺利进行。但随着人工智能技术的发展，其功耗也在不断增加。进一步的发展将需要能够以高能效处理人工智能计算的人工智能芯片。

这正是自旋电子器件发挥作用的地方。它们的集成内存和计算能力模仿人类大脑，可以作为低功耗人工智能芯片的构建模块。

现在，东北大学、日本国立材料科学研究所和日本原子能机构的研究人员开发了一种新型自旋电子器件，可以实现非共线反铁磁体和铁磁体的电相互控制。这意味着该器件可以高效切换磁状态，以更少的能量存储和处理信息——就像一个类似大脑的人工智能芯片一样。这一突破有可能通过高效率和低能源成本彻底改变人工智能硬件。

该结果于2025年2月5日发表在《自然通讯》上。

负责这项研究的东北大学的 Shunsuke Fukami 表示：“尽管自旋电子学研究在电控制磁序方面取得了重大进展，但大多数现有的自旋电子器件都将需要控制的磁性材料的作用与提供驱动力的材料的作用分开。”

这些设备一旦制造出来，就会有一个固定的操作方案，通常以二进制方式将信息从“0”切换到“1”。然而，新研究团队的突破为电可编程切换多个磁状态提供了重大创新。

Fukami 和他的同事采用非共线反铁磁体 Mn₃Sn 作为核心磁性材料。通过施加电流，Mn₃Sn 会产生自旋电流，通过称为磁自旋霍尔效应的过程驱动相邻铁磁体 CoFeB 的切换。铁磁体不仅对自旋极化电流作出反应，而且还会影响 Mn₃Sn 的磁态，从而实现两种材料之间的电相互切换。

（a）传统磁存储装置和（b）本研究开发的电相互切换装置的示意图。

在概念验证实验中，该团队证明写入铁磁体的信息可以通过 Mn₃Sn 的磁状态进行电控制。通过调节设定电流，他们能够以代表多种状态的不同轨迹切换 CoFeB 的磁化。这种模拟切换机制是神经网络中的一项关键操作，其中电流的极性可以改变写入信息的符号，模仿突触权重（模拟值）在 AI 处理中的功能。

“这一发现代表着朝着开发更节能的人工智能芯片迈出了重要一步。通过实现非共线反铁磁体和铁磁体之间的电气相互切换，我们为电流可编程神经网络开辟了新的可能性，”Fukami 说。“我们现在专注于进一步降低工作电流并增加读出信号，这对于人工智能芯片的实际应用至关重要。”

该团队的研究为提高人工智能芯片的能源效率和最大限度地减少其对环境的影响开辟了新的途径。

通过电相互切换现象实现的神经形态计算的概念验证功能。

随着AI技术的飞速发展，对计算能力和存储效率提出了前所未有的要求。传统的半导体器件逐渐逼近其物理极限，难以满足 AI 不断增长的需求。新型自旋电子器件应运而生，凭借其独特的物理特性，为 AI 领域带来了新的发展机遇。

首先，传统 AI 计算芯片在运行过程中消耗大量电能，产生高热量，需要复杂的散热系统。自旋电子器件利用电子自旋进行信息处理，相比传统电荷驱动器件，功耗显著降低。例如，STT - MRAM 在写入操作时的功耗远低于传统闪存，这使得在大规模 AI 计算集群中，能够有效降低能耗成本，提高能源利用效率。

其次，自旋电子器件的读写速度快，能够快速响应 AI 算法对数据的频繁读写需求。在深度学习中的矩阵乘法运算等关键操作中，MRAM 的高速读写特性可以加快数据传输和处理速度，减少计算延迟，提升模型训练和推理的效率。

最后，AI 应用需要处理和存储海量数据，赛道内存等新型自旋电子器件具有极高的存储密度，能够在有限的物理空间内存储更多的数据，满足 AI 对大数据存储的需求，有助于实现小型化、高性能的 AI 设备。

将自旋电子器件集成到现有的 AI 计算架构中，需要解决与传统半导体工艺和电路的兼容性问题。随着技术的不断进步和研究的深入，新型自旋电子器件有望在 AI 领域发挥更大的作用。未来，它们可能成为 AI 计算的核心组件，推动 AI 技术在更多领域的应用和发展，如医疗诊断、智能交通、金融风控等，为人类社会带来深刻的变革。