Forscher verwenden magnetische Systeme, um die Lern- und Vergessensfunktionen des Gehirns künstlich nachzubilden

Mit dem Aufkommen von Big Data erweisen sich aktuelle Rechenarchitekturen als unzureichend. Schwierigkeiten bei der Verringerung der Transistorgröße, hoher Stromverbrauch und begrenzte Betriebsgeschwindigkeiten machen neuromorphes Computing zu einer vielversprechenden Alternative.

Neuromorphic Computing, ein neues, vom Gehirn inspiriertes Rechenparadigma, reproduziert die Aktivität biologischer Synapsen mithilfe künstlicher neuronaler Netze. Solche Vorrichtungen arbeiten als ein System von Schaltern, so dass die EIN-Position der Informationsspeicherung oder dem „Lernen“ entspricht, während die AUS-Position dem Löschen oder dem „Vergessen“ von Informationen entspricht.

In einer kürzlich veröffentlichten Veröffentlichung haben Wissenschaftler der Universitat Autònoma de Barcelona (UAB), des CNR-SPIN (Italien), des Catalan Institute of Nanoscience and Nanotechnology (ICN2), des Institute of Micro and Nanotechnology (IMN-CNM-CSIC) und der ALBA Synchrotron hat die Emulation künstlicher Synapsen unter Verwendung neuer fortschrittlicher Materialgeräte erforscht. Das Projekt wurde von Serra Húnter Fellow Enric Menéndez und ICREA-Forscher Jordi Sort geleitet, beide am Institut für Physik der UAB, und ist Teil von Sofia Martins Ph.D. These.

Ein neuer Ansatz zur Nachahmung von Synapsenfunktionen

Bisher wurden die meisten dafür eingesetzten Systeme letztlich durch elektrische Ströme gesteuert, was mit erheblichen Energieverlusten durch Wärmeabfuhr einherging. Hier schlugen die Forscher vor, Magnetionik zu verwenden, die nichtflüchtige Steuerung der magnetischen Eigenschaften von Materialien durch spannungsgesteuerte Ionenwanderung, die den Stromverbrauch drastisch senkt und die Datenspeicherung energieeffizient macht.

Obwohl die Wärmeableitung durch Ionenmigrationseffekte abnimmt, ist die magneto-ionische Bewegung von Sauerstoff bei Raumtemperatur für industrielle Anwendungen normalerweise langsam und erfordert mehrere Sekunden oder sogar Minuten, um den magnetischen Zustand umzuschalten. Um dieses Problem zu lösen, untersuchte das Team die Verwendung von Targetmaterialien, deren Kristallstruktur die zu transportierenden Ionen bereits enthielt. Solche magnetionischen Targets können vollständig reversible Umwandlungen von einem nicht-ferromagnetischen (ausgeschalteten) Zustand in einen ferromagnetischen (eingeschalteten) Zustand und umgekehrt durchlaufen, und zwar nur durch die spannungsgesteuerte Sauerstoffbewegung von dem Target zu einem Reservoir (EIN) und umgekehrt (AUS).

Aufgrund ihrer kristallinen Strukturen waren Kobaltoxide die ausgewählten Materialien für die Herstellung der Filme mit einer Dicke von 5 nm bis 230 nm. Die Forscher untersuchten die Rolle der Dicke auf das resultierende magnetionische Verhalten und zeigten, dass die Erzeugung von Magnetisierung umso schneller erreicht wurde, je dünner die Filme waren.

Röntgenabsorptionsspektren (XAS) der Proben wurden an der BOREAS-Beamline des ALBA-Synchrotrons aufgenommen. XAS wurde verwendet, um bei Raumtemperatur die elementare Zusammensetzung und den Oxidationszustand der Kobaltoxidfilme zu charakterisieren, was sich für die dünneren und dicksten Filme als unterschiedlich herausstellte. Diese Ergebnisse waren entscheidend für das Verständnis der Unterschiede in der magnetionischen Bewegung von Sauerstoff zwischen den Filmen.

Da die in dieser Arbeit erzielten Betriebsgeschwindigkeiten denen ähnlich waren, die für neuromorphes Rechnen verwendet wurden, wurden die dünnsten Kobaltoxidschichten weiter untersucht. Insbesondere wurden die Effekte im Zusammenhang mit neuromorphen Lernfähigkeiten induziert, und die Ergebnisse lieferten den Beweis, dass magneto-ionische Systeme „Lernen“- und „Vergessen“-Funktionalitäten emulieren können.

Neben dem neuromorphen Rechnen werden auch andere praktische Anwendungen wie Magnetspeicher und Spintronik von den Ergebnissen dieser Studie profitieren. Die Kombination von Magnetspeichern mit energieeffizienter Magnetionik könnte ein möglicher Weg sein, die Betriebsenergien für Datenspeichermedien der nächsten Generation zu reduzieren, während magnetionische Mechanismen zur Steuerung antiferromagnetischer Schichten derzeit vielversprechende Kandidaten für die Entwicklung von Spintronik-Geräten sind.