En grupp forskare från Tohoku University har utvecklat en teoretisk modell för en högpresterande spin wave reservoir computing (RC) som använder spintronics-teknologi. Genombrottet flyttar forskare närmare att förverkliga energieffektiva datorer i nanoskala med oöverträffad beräkningskraft.
Detaljer om deras resultat publicerades i npj Spintronics den 1 mars 2024.
Hjärnan är den ultimata datorn, och forskare strävar ständigt efter att skapa neuromorfa enheter som efterliknar hjärnans bearbetningsförmåga, låga strömförbrukning och dess förmåga att anpassa sig till neurala nätverk. Utvecklingen av neuromorphic computing är revolutionerande och gör det möjligt för forskare att utforska nanoskala, GHz-hastighet, med låg energiförbrukning.
Under de senaste åren har många framsteg gjorts inom beräkningsmodeller inspirerade av hjärnan. Dessa artificiella neurala nätverk har visat extraordinära prestationer i olika uppgifter. Men nuvarande teknologier är mjukvarubaserade; deras beräkningshastighet, storlek och energiförbrukning förblir begränsad av egenskaperna hos konventionella elektriska datorer.
RC fungerar via ett fast, slumpmässigt genererat nätverk som kallas "reservoaren". Reservoaren möjliggör memorering av tidigare ingångsinformation och dess olinjära transformation. Denna unika egenskap möjliggör integrering av fysiska system, såsom magnetiseringsdynamik, för att utföra olika uppgifter för sekventiell data, som tidsserieprognoser och taligenkänning.
Vissa har föreslagit spintronik som ett sätt att förverkliga högpresterande enheter. Men enheter som tillverkats hittills har inte levt upp till förväntningarna. I synnerhet har de misslyckats med att uppnå hög prestanda på nanoskala med GHz-hastighet.
"Vår studie föreslog en fysisk RC som utnyttjade fortplantande spinnvågor", säger Natsuhiko Yoshinaga, medförfattare till uppsatsen och docent vid Advanced Institute for Materials Research (WPI-AIMR). "Det teoretiska ramverket vi utvecklade använde svarsfunktioner som kopplar insignaler till spridningsdynamik.
"Denna teoretiska modell klargjorde mekanismen bakom den höga prestandan hos spin wave RC, och lyfte fram skalförhållandet mellan våghastighet och systemstorlek för att optimera effektiviteten hos virtuella noder."
Avgörande var att Yoshinaga och hans kollegor hjälpte till att klargöra mekanismen för högpresterande reservoarberäkning. Därvid utnyttjade de olika delfält, nämligen fysik för kondenserad materia och matematisk modellering.
"Genom att använda de unika egenskaperna hos spintronics-tekniken har vi potentiellt banat väg för en ny era av intelligent datoranvändning, vilket leder oss närmare att förverkliga en fysisk enhet som kan användas i väderprognoser och taligenkänning", tillägger Yoshinaga.
Mer information: Satoshi Iihama et al, Universell skalning mellan våghastighet och storlek möjliggör nanoskala högpresterande reservoarberäkning baserad på fortplantande spin-vågor, npj Spintronics (2024). DOI:10.1038/s44306-024-00008-5
Tillhandahålls av Tohoku University
