Minneshungrig, energisparande stora data kan äntligen ha träffat sin match.

Elingenjörer vid Northwestern University och University of Messina i Italien har utvecklat en ny magnetisk minnesenhet som potentiellt kan stödja den kraftiga datacentrerade datorer, som kräver ständigt ökande kraft, lagring och hastighet.

Baserat på antiferromagnetiska (AFM) material, enheten är den minsta i sitt slag som någonsin demonstrerats och fungerar med rekordlåg elektrisk ström för att skriva data.

"Ökningen av stora data har möjliggjort framväxten av artificiell intelligens (AI) i molnet och på edge -enheter och har i grunden förändrat datorerna, nätverks- och datalagringsindustrier, "sade nordvästra Pedram Khalili, som ledde forskningen. "Dock, befintlig hårdvara kan inte upprätthålla den snabba tillväxten av datacentrisk datoranvändning. Vår teknik kan eventuellt lösa denna utmaning. "

Forskningen kommer att publiceras den 10 februari i tidskriften Nature Electronics .

Khalili är docent i el- och datateknik vid Northwestern McCormick School of Engineering. Han ledde studien tillsammans med Giovanni Finocchio, docent i elektroteknik vid universitetet i Messina. I teamet fanns också Matthew Grayson, professor i el- och datateknik vid McCormick. Jiacheng Shi och Victor Lopez-Dominguez, som båda är medlemmar i Khalilis laboratorium, fungerade som första författare till tidningen.

Från löfte till troligt

Även om AI erbjuder lovande att förbättra många samhällsområden, inklusive sjukvårdssystem, transport och säkerhet, den kan bara tillgodose sin potential om datorer kan stödja den.

Helst, AI behöver alla de bästa delarna av dagens minnesteknik:Något så snabbt som statiskt random access -minne (SRAM) och med en lagringskapacitet som liknar dynamiskt random access -minne (DRAM) eller Flash. Dessutom, det kräver också låg effektförlust.

"Det finns ingen befintlig minnsteknik som uppfyller alla dessa krav, "Khalili sa." Detta har resulterat i en så kallad "minnesflaskhals" som kraftigt begränsar prestanda och energiförbrukning för AI-applikationer idag. "

För att möta denna utmaning, Khalili och hans medarbetare tittade på AFM -material. I AFM -material, elektroner beter sig som små magneter på grund av en kvantmekanisk egenskap som kallas "spin, "men själva materialet uppvisar inte en makroskopisk magnetisering eftersom snurren är inriktade på ett parallellt sätt.

Vanligtvis, minnesenheter kräver en elektrisk ström för att lagra lagrad data. Men i AFM -material, det är de magnetiskt ordnade snurr som utför denna uppgift, så en kontinuerligt applicerad elektrisk ström behövs inte. Som en extra bonus, data kan inte raderas av externa magnetfält. Eftersom tätt packade enheter inte kommer att interagera med magnetfält, AFM-baserade enheter är mycket säkra och lätta att skala ner till små dimensioner.

Lättanvändbar teknik

Eftersom de i sig är snabba och säkra och använder lägre effekt, AFM -material har undersökts i tidigare studier. Men tidigare forskare upplevde svårigheter att kontrollera den magnetiska ordningen i materialen.

Khalili och hans team använde pelare av antiferromagnetisk platina mangan - en geometri som inte tidigare undersökts. Med en diameter på bara 800 nanometer, dessa pelare är 10 gånger mindre än tidigare AFM-baserade minnesenheter.

Viktigt, den resulterande enheten är kompatibel med befintliga metoder för tillverkning av halvledare, vilket innebär att nuvarande tillverkningsföretag lätt skulle kunna anta den nya tekniken utan att behöva investera i ny utrustning.

"Detta ger AFM-minne-och därmed mycket skalat och högpresterande magnetiskt slumpmässigt åtkomstminne (MRAM)-mycket närmare praktiska tillämpningar, "Khalili sa." Det här är en stor sak för industrin eftersom det idag finns en stark efterfrågan på teknik och material för att förlänga skalning och prestanda för MRAM och öka avkastningen på de enorma investeringar som industrin redan har gjort i denna teknik för att få den till tillverkning. "

Khalilis team arbetar redan med nästa steg mot denna översättning till applikationer.

"Vi arbetar nu med att ytterligare skala ner dessa enheter och förbättra metoder för att läsa av deras magnetiska tillstånd, "Sa Khalili." Vi tittar också på ännu mer energieffektiva sätt att skriva data till AFM-material, som att ersätta den elektriska strömmen med en elektrisk spänning, en utmanande uppgift som ytterligare kan öka energieffektiviteten med en annan storleksordning eller mer. "