TAMR och elektroresistans i aniobdopad strontiumtitanat (SrTiO3)-halvledare med ferromagnetisk kobolt. Överst till vänster:en enkel enhet av Co on Nb-dopad SrTiO3-oxidhalvledare och mätschemat med fyra sönder. Överst till höger:ett högt TAMR-värde erhålls vid rumstemperatur på grund av en förändring av konduktansen i korsningstunneln när magnetiseringen roteras i förhållande till strömflödets riktning. Nederst till vänster:samma enhetsgeometri används för att studera elektroresistanstillståndet för samma korsning (nedre till höger). Kredit:Banarjee group, Universitetet i Groningen / Vetenskapliga rapporter
En av de stora utmaningarna inom datorarkitektur är att integrera lagring, minne och bearbetning i en enhet. Detta skulle göra datorer snabbare och mer energieffektiva. University of Groningen fysiker har tagit ett stort steg mot detta mål genom att kombinera en niobiumdopad strontiumtitanat (SrTiO3) halvledare med ferromagnetisk kobolt. I gränssnittet, detta skapar en spin-memristor med lagringsmöjligheter, banar väg för neuromorfa datorarkitekturer. Resultaten publicerades den 22 januari i Vetenskapliga rapporter .
Enheten som utvecklats av fysikerna kombinerar memristoreffekten hos halvledare med ett spinnbaserat fenomen som kallas tunneling anisotropic magnetoresistance (TAMR) och fungerar vid rumstemperatur. SrTiO3-halvledaren har en icke-flyktig variabel resistans när den ansluts till kobolt:ett elektriskt fält kan användas för att ändra det från lågt till högt motstånd och tillbaka. Detta är känt som elektroresistanseffekten.
Vidare, när ett magnetfält applicerades över samma gränssnitt, in och ut ur koboltens plan, detta visade en justering av TAMR-spinnspänningen med 1,2 mV. Denna samexistens av både en stor förändring i värdet av TAMR och elektroresistans över samma enhet vid rumstemperatur har inte tidigare visats i andra materialsystem.
"Detta betyder att vi kan lagra ytterligare information på ett icke-flyktigt sätt i memristorn, på så sätt skapa en mycket enkel och elegant integrerad spin-memristor-enhet som fungerar vid rumstemperatur, " förklarar professor i spintronik för funktionella material Tamalika Banerjee. Hon arbetar vid Zernike Institute for Advanced Materials vid University of Groningen. Hittills, försöker kombinera spin-baserad lagring, minne och datoranvändning har hämmats av en komplex arkitektur utöver andra faktorer.
Nyckeln till framgången för Banerjee-gruppens enhet är gränssnittet mellan kobolt och halvledaren. "Vi har visat att ett en nanometer tjockt isolerande lager av aluminiumoxid gör att TAMR-effekten försvinner, " säger Banerjee. Det tog ganska mycket arbete att konstruera gränssnittet. De gjorde det genom att justera niobiumdopningen av halvledaren och därmed det potentiella landskapet vid gränssnittet. Samma samexistens kan inte realiseras med kisel som en halvledare:"Du behöver de tunga atomerna i SrTiO3 för spinnomloppskopplingen vid gränssnittet som är ansvarig för den stora TAMR-effekten vid rumstemperatur."
Dessa enheter skulle kunna användas i en hjärnliknande datorarkitektur. De skulle agera som synapserna som förbinder neuronerna. Synapsen svarar på en extern stimulans, men detta svar beror också på synapsens minne av tidigare stimuli. "Vi överväger nu hur vi ska skapa en bioinspirerad datorarkitektur baserat på vår upptäckt." Ett sådant system skulle gå bort från den klassiska Von Neumann-arkitekturen. Den stora fördelen är att den förväntas använda mindre energi och därmed producera mindre värme. "Detta kommer att vara användbart för "Internet of Things, "där anslutning av olika enheter och nätverk genererar ohållbara mängder värme."
Fysiken om vad som exakt händer i gränssnittet mellan kobolt och strontiumhalvledaren är komplicerad, och mer arbete måste göras för att förstå detta. Banerjee:"När vi förstår det bättre, vi kommer att kunna förbättra systemets prestanda. Vi jobbar just nu med det. Men det fungerar bra som det är, så vi funderar också på att bygga ett mer komplext system med sådana spin-memristorer för att testa faktiska algoritmer för specifika kognitionsförmåga hos den mänskliga hjärnan." Banerjees enhet är relativt enkel. Att skala upp den till en fullständig datorarkitektur är nästa stora steg.
Hur man integrerar dessa enheter i en parallell datorarkitektur som efterliknar hjärnans funktion är en fråga som fascinerar Banerjee. "Vår hjärna är en fantastisk dator, i den meningen att den kan bearbeta stora mängder information parallellt med en energieffektivitet som är vida överlägsen den hos en superdator." Banerjees teams upptäckter kan leda till nya arkitekturer för hjärninspirerad datoranvändning.