Magnon-basierte Berechnungen könnten einen Paradigmenwechsel in der Computertechnik signalisieren

Magnonik ist wie Elektronik oder Photonik ein technisches Teilgebiet, das darauf abzielt, Informationstechnologien in Bezug auf Geschwindigkeit, Gerätearchitektur und Energieverbrauch voranzutreiben. Eine Magnon entspricht der spezifischen Energiemenge, die erforderlich ist, um die Magnetisierung eines Materials durch eine kollektive Anregung, die als Spinwelle bezeichnet wird, zu ändern.

Da sie mit Magnetfeldern interagieren, können Magnonen verwendet werden, um Daten ohne Elektronenflüsse zu codieren und zu transportieren, die einen Energieverlust durch Erwärmung (bekannt als Joulesche Erwärmung) des verwendeten Leiters mit sich bringen. Wie Dirk Grundler, Leiter des Labors für magnetische Materialien und Magnetik im Nanomaßstab (LMGN) an der School of Engineering, erklärt, stellen Energieverluste ein zunehmend ernsthaftes Hindernis für die Elektronik dar, da Datengeschwindigkeiten und Speicheranforderungen sprunghaft ansteigen.

„Mit dem Aufkommen von KI hat die Nutzung von Computertechnologie so stark zugenommen, dass der Energieverbrauch ihre Entwicklung bedroht“, sagt Grundler. „Ein großes Problem ist die traditionelle Computerarchitektur, die Prozessoren und Speicher trennt. Die Signalumwandlungen, die beim Verschieben von Daten zwischen verschiedenen Komponenten erforderlich sind, verlangsamen die Berechnung und verschwenden Energie.“

Diese Ineffizienz, bekannt als Speichermauer oder Von-Neumann-Engpass, hat Forscher dazu veranlasst, nach neuen Computerarchitekturen zu suchen, die die Anforderungen von Big Data besser unterstützen können. Und jetzt glaubt Grundler, dass sein Labor auf einen solchen „Heiligen Gral“ gestoßen sein könnte.

Während andere Experimente an einem kommerziellen Wafer des ferrimagnetischen Isolators Yttrium-Eisen-Granat (YIG) mit nanomagnetischen Streifen auf seiner Oberfläche durchgeführt wurden, hat LMGN Ph.D. Der Student Korbinian Baumgaertl wurde dazu inspiriert, präzise konstruierte YIG-Nanomagnetgeräte zu entwickeln. Mit der Unterstützung des Center of MicroNanoTechnology gelang es Baumgärtl, mit Hochfrequenzsignalen Spinwellen im YIG bei bestimmten Gigahertz-Frequenzen anzuregen und – was entscheidend ist – die Magnetisierung der Oberflächen-Nanomagnete umzukehren.

„Die beiden möglichen Ausrichtungen dieser Nanomagnete stellen die magnetischen Zustände 0 und 1 dar, wodurch digitale Informationen kodiert und gespeichert werden können“, erklärt Grundler.

Ein Weg zur In-Memory-Berechnung

Die Wissenschaftler machten ihre Entdeckung mit einem herkömmlichen Vektornetzwerkanalysator, der eine Spinwelle durch das YIG-Nanomagnetgerät schickte. Die Umkehrung des Nanomagneten erfolgte nur, wenn die Spinwelle eine bestimmte Amplitude erreichte, und konnte dann zum Schreiben und Lesen von Daten verwendet werden.

„Wir können jetzt zeigen, dass die gleichen Wellen, die wir für die Datenverarbeitung verwenden, zum Schalten der magnetischen Nanostrukturen verwendet werden können, sodass wir innerhalb desselben Systems auch einen nichtflüchtigen magnetischen Speicher haben“, erklärt Grundler und fügt hinzu, dass „nichtflüchtig“ sich auf den stabilen Speicher bezieht von Daten über lange Zeiträume ohne zusätzlichen Energieverbrauch.

Es ist diese Fähigkeit, Daten am selben Ort zu verarbeiten und zu speichern, die der Technik ihr Potenzial verleiht, das aktuelle Paradigma der Computerarchitektur zu ändern, indem sie der energieineffizienten Trennung von Prozessoren und Speicher ein Ende setzt und das erreicht, was als In-Memory bekannt ist Berechnung.

Optimierung am Horizont

Baumgärtl und Grundler haben die bahnbrechenden Ergebnisse in der Fachzeitschrift veröffentlicht Naturkommunikationund das LMGN-Team arbeitet bereits an der Optimierung ihres Ansatzes.

„Nachdem wir nun gezeigt haben, dass Spinwellen Daten schreiben, indem sie die Nanomagnete von den Zuständen 0 auf 1 umschalten, müssen wir an einem Prozess arbeiten, um sie wieder zurückzuschalten – dies ist als Umschalten bekannt“, sagt Grundler.

Er stellt auch fest, dass der Magnonik-Ansatz theoretisch Daten im Terahertz-Bereich des elektromagnetischen Spektrums verarbeiten könnte (zum Vergleich, aktuelle Computer arbeiten im langsameren Gigahertz-Bereich). Dies müssen sie jedoch noch experimentell demonstrieren.

„Das Versprechen dieser Technologie für nachhaltigeres Rechnen ist enorm. Mit dieser Veröffentlichung hoffen wir, das Interesse an wellenbasierter Berechnung zu verstärken und mehr junge Forscher für das wachsende Gebiet der Magnonik zu gewinnen.“