Synaptic Multi-Weight Wafer-Scale Domain Wall Magnetic Tunnel Junctions Driven by Spin Orbit Torque
Este estudio demuestra un enfoque escalable a nivel de oblea para la creación de dispositivos sinápticos espintrónicos de pesos múltiples utilizando uniones de túnel magnético impulsadas por torque de órbita de espín que logran hasta ocho estados de resistencia distintos mediante la manipulación de paredes de dominio, ofreciendo una vía hacia sistemas neuromórficos de alta precisión a pesar de los desafíos derivados de la variabilidad de los dispositivos.
Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por el autor. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo
Las computadoras modernas se están volviendo increíblemente potentes en tareas como el reconocimiento de rostros o la traducción de idiomas, pero lo hacen consumiendo enormes cantidades de electricidad. Esto se debe a que las computadoras tradicionales mantienen su memoria y sus partes de pensamiento en lugares separados, obligando a los datos a viajar de un lado a otro constantemente, lo que desperdicia energía. Para resolver esto, los científicos están construyendo un nuevo tipo de hardware que imita al cerebro humano, donde la memoria y el cálculo ocurren en el mismo punto diminuto. Estas células cerebrales artificiales, llamadas sinapsis, necesitan ser capaces de contener muchos valores diferentes, no solo un simple encendido o apagado, para funcionar de manera eficiente. Durante años, un tipo prometedor de memoria llamado memoria magnética de acceso aleatorio ha sido demasiado simple para este trabajo, quedando generalmente atrapado en solo dos estados. Sin embargo, un equipo de investigadores ha encontrado ahora una forma de persuadir a estos dispositivos magnéticos para que contengan muchos valores distintos a la vez, abriendo un camino hacia computadoras mucho más eficientes energéticamente.
Los investigadores, que trabajan en la Universidad de Texas en Austin y el centro de investigación IMEC en Bélgica, se centraron en un tipo específico de dispositivo de memoria magnética conocido como unión de túnel magnético. Imagine un sándwich diminuto hecho de capas magnéticas separadas por un aislante delgado. En una versión estándar de este dispositivo, las capas magnéticas pueden apuntar en una de dos direcciones, representando un cero o un uno. El equipo quería ver si podían hacer que estos dispositivos contuveran más que solo dos valores. Para lograrlo, construyeron un gran lote de estos dispositivos en una oblea de silicio masiva, del tamaño de un plato de cena, que es el estándar para la fabricación industrial. Crearon dispositivos que eran largos y estrechos, estirándolos para que fueran aproximadamente cinco veces más largos que anchos, mientras mantenían un grupo de control de dispositivos circulares, perfectamente redondos, para comparar.
Cuando el equipo probó estos dispositivos largos y estrechos, descubrieron algo inesperado. Al aplicar un campo magnético y enviar pulsos eléctricos a través del dispositivo, pudieron forzar a las capas magnéticas a asentarse en una variedad de posiciones estables, no solo en los dos extremos extremos. En sus mejores dispositivos largos, lograron ajustar la resistencia a ocho niveles distintos. Esto significa que un solo dispositivo podría representar tres bits de información a la vez, en lugar de solo uno. Los dispositivos de control circulares, sin embargo, permanecieron obstinadamente binarios, cambiando solo entre dos estados. La clave para desbloquear estos niveles adicionales fue la forma del dispositivo y la manera en que fluía la corriente eléctrica. La forma larga causó que el potencial eléctrico variara a través del dispositivo, creando un ligero desequilibrio que permitió que las paredes magnéticas se formaran y se quedaran atrapadas en el medio, creando esos niveles de resistencia adicionales.
Para entender exactamente cómo sucedió esto, el equipo realizó simulaciones computacionales detalladas que modelaban el flujo de electricidad y el comportamiento de los campos magnéticos dentro de las estructuras diminutas. Estas simulaciones confirmaron que los niveles adicionales fueron causados por paredes de dominio magnético —límites donde cambia la dirección magnética— que quedaron fijadas en su lugar por el flujo eléctrico desigual. Los investigadores también verificaron si los campos magnéticos errantes de las capas cercanas eran la causa, pero sus simulaciones mostraron que esos campos eran demasiado débiles y localizados para ser el motor principal. En cambio, la evidencia apuntaba a las condiciones eléctricas específicas creadas por la forma larga del dispositivo como la razón principal del comportamiento multinivel.
El equipo luego probó qué tan útiles serían estos nuevos dispositivos multinivel en un escenario del mundo real mediante la simulación de una red neuronal diseñada para reconocer números escritos a mano, una prueba estándar para la inteligencia artificial. Programaron la red utilizando los niveles de resistencia que midieron de sus dispositivos reales. Cuando asumieron que cada uno de los dispositivos en el chip funcionaba perfectamente y podía alcanzar los ocho niveles, el sistema logró una precisión del 96.1 por ciento, que es muy cercana al rendimiento de una computadora digital perfecta. Sin embargo, cuando incluyeron las diferencias naturales entre los dispositivos individuales que ocurren durante la fabricación, la precisión cayó al 48.6 por ciento. Esta brecha resalta que, si bien la tecnología funciona, los dispositivos deben ser hechos de manera más consistente para ser verdaderamente confiables.
Este trabajo demuestra que es posible convertir los chips de memoria magnética estándar en sinapsis artificiales multinivel simplemente cambiando su forma y cómo son impulsados. Los investigadores demostraron que, al estirar estos dispositivos, podrían romper el límite binario habitual y acceder a un espectro de estados de resistencia. Aunque los dispositivos todavía muestran cierta variación de uno a otro, la capacidad de programarlos en estados específicos mediante un proceso paso a paso sugiere que podrían ser entrenados, de manera muy similar a un cerebro biológico. Los hallazgos ofrecen una ruta clara hacia la construcción de sistemas neuromórficos escalables y eficientes energéticamente que algún día podrían ejecutar tareas complejas de inteligencia artificial sin los costos de energía masivos de las computadoras actuales.
¿Ahogado en artículos de tu campo?
Recibe resúmenes diarios de los artículos más novedosos que coincidan con tus palabras clave de investigación — con resúmenes técnicos, en tu idioma.