Synaptic Multi-Weight Wafer-Scale Domain Wall Magnetic Tunnel Junctions Driven by Spin Orbit Torque
Cette étude démontre une approche à l'échelle du wafer, scalable, pour la création de dispositifs synaptiques spintroniques à poids multiples utilisant des jonctions tunnel magnétiques pilotées par un couple de spin-orbite qui atteignent jusqu'à huit états de résistance distincts grâce à la manipulation de parois de domaines, offrant ainsi une voie vers des systèmes neuromorphiques de haute précision malgré les défis posés par la variabilité des dispositifs.
Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par l'auteur. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Les ordinateurs modernes deviennent incroyablement puissants pour des tâches telles que la reconnaissance faciale ou la traduction de langues, mais ils le font en consommant de vastes quantités d'électricité. Cela s'explique par le fait que les ordinateurs traditionnels séparent leur mémoire de leurs parties de réflexion, forçant les données à faire des allers-retours constants, ce qui gaspille de l'énergie. Pour résoudre ce problème, des scientifiques construisent un nouveau type de matériel qui imite le cerveau humain, où la mémoire et le calcul se produisent au même endroit minuscule. Ces cellules cérébrales artificielles, appelées synapses, doivent être capables de détenir de nombreuses valeurs différentes, et pas seulement un simple interrupteur marche ou arrêt, pour fonctionner efficacement. Pendant des années, un type prometteur de mémoire appelé mémoire vive magnétique a été trop simple pour cette tâche, restant généralement bloqué sur seulement deux états. Cependant, une équipe de chercheurs a maintenant trouvé un moyen de contraindre ces dispositifs magnétiques à détenir plusieurs valeurs à la fois, ouvrant une voie vers des ordinateurs beaucoup plus économes en énergie.
Les chercheurs, travaillant à l'Université du Texas à Austin et au centre de recherche IMEC en Belgique, se sont concentrés sur un type spécifique de dispositif de mémoire magnétique connu sous le nom de jonction tunnel magnétique. Imaginez un minuscule sandwich composé de couches magnétiques séparées par un isolant mince. Dans une version standard de ce dispositif, les couches magnétiques peuvent pointer dans l'une des deux directions, représentant un zéro ou un un. L'équipe voulait voir s'ils pouvaient faire en sorte que ces dispositifs retiennent plus que seulement deux valeurs. Pour ce faire, ils ont construit un large lot de ces disposités sur une grande plaquette de silicium, de la taille d'une assiette de présentation, ce qui est standard pour la fabrication industrielle. Ils ont créé des dispositifs longs et étroits, les étirant pour qu'ils soient environ cinq fois plus longs que larges, tout en conservant un groupe de contrôle de dispositifs parfaitement ronds et circulaires pour comparer.
Lorsque l'équipe a testé ces dispositifs longs et étroits, elle a découvert quelque chose d'inattendu. En appliquant un champ magnétique et en envoyant des impulsions électriques à travers le dispositif, ils pouvaient forcer les couches magnétiques à se stabiliser dans une variété de positions stables, et non pas seulement aux deux extrémités extrêmes. Dans leurs meilleurs dispositifs longs, ils ont réussi à ajuster la résistance à huit niveaux distincts. Cela signifie qu'un seul dispositif pourrait représenter trois bits d'information à la fois, plutôt qu'un seul. Les dispositifs de contrôle circulaires, cependant, sont restés obstinément binaires, ne basculant qu'entre deux états. La clé pour déverrouiller ces niveaux supplémentaires était la forme du dispositif et la manière dont le courant électrique s'écoulait à travers lui. La forme longue a provoqué une variation du potentiel électrique à travers le dispositif, créant un léger déséquilibre qui a permis à des parois magnétiques de se former et de rester coincées au milieu, créant ainsi ces niveaux de résistance supplémentaires.
Pour comprendre exactement comment cela s'est produit, l'équipe a effectué des simulations informatiques détaillées qui modélisaient le flux d'électricité et le comportement des champs magnétiques à l'intérieur des structures minuscules. Ces simulations ont confirmé que les niveaux supplémentaires étaient causés par des parois de domaines magnétiques — des frontières où la direction magnétique change — qui se retrouvaient piégées par le flux électrique inégal. Les chercheurs ont également vérifié si des champs magnétiques parasites provenant de couches voisines étaient la cause, mais leurs simulations ont montré que ces champs étaient trop faibles et trop localisés pour être le principal moteur. Au lieu de cela, les preuves pointaient vers les conditions électriques spécifiques créées par la forme longue du dispositif comme étant la raison principale du comportement multi-niveaux.
L'équipe a ensuite testé l'utilité de ces nouveaux dispositifs multi-niveaux dans un scénario réel en simulant un réseau neuronal conçu pour reconnaître des chiffres écrits à la main, un test standard pour l'intelligence artificielle. Ils ont programmé le réseau en utilisant les niveaux de résistance mesurés sur leurs propres dispositifs. Lorsqu'ils ont supposé que chaque dispositif sur la puce fonctionnait parfaitement et pouvait atteindre les huit niveaux, le système a atteint une précision de 96,1 %, ce qui est très proche de la performance d'un ordinateur numérique parfait. Cependant, lorsqu'ils ont inclus les différences naturelles entre les dispositifs individuels qui surviennent lors de la fabrication, la précision est tombée à 48,6 %. Cet écart souligne que, bien que la technologie fonctionne, les dispositifs doivent être fabriqués de manière plus cohérente pour être véritablement fiables.
Ce travail démontre qu'il est possible de transformer des puces de mémoire magnétique standard en synapses artificielles multi-niveaux simplement en changeant leur forme et la manière dont elles sont pilotées. Les chercheurs ont montré qu'en étirant ces dispositifs, ils pouvaient briser la limite binaire habituelle et accéder à un spectre d'états de résistance. Bien que les dispositifs présentent encore certaines variations les uns par rapport aux autres, la capacité de les programmer dans des états spécifiques via un processus par étapes suggère qu'ils pourraient être entraînés, tout comme un cerveau biologique. Ces découvertes offrent une voie claire vers la construction de systèmes neuromorphiques évolutifs et économes en énergie qui pourraient un jour exécuter des tâches complexes d'intelligence artificielle sans les coûts énergétiques massifs des ordinateurs d'aujourd'hui.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.