Superparamagnetic and Stochastic-Write Magnetic Tunnel Junctions for High-Speed True Random Number Generation in Advanced Computing

本文综述了两种用于高速、低功耗真随机数生成的磁隧道结（MTJ）方法——被动读取超顺磁性 MTJ 和随机写入 MTJ——并强调了它们截然不同的性能特征、与先进 CMOS 及 STT-MRAM 的集成优势，以及在概率计算与边缘加密应用中的特定适用性。

要点

想象一下，你的计算机需要持续不断的真正随机数，来执行诸如保护银行账户安全、模拟复杂天气模式或运行高级人工智能等任务。通常，计算机使用数学公式生成这些数字（伪随机性），这种方式虽然快速，但并非真正不可预测。为了获得真正的随机性，它们需要一个物理层面的混沌源。

本文综述了利用被称为**磁隧道结（MTJs）**的微小磁性开关来构建这些“混沌发生器”的两种新方法。可以将 MTJ 想象成一个微观的门，它可以是开启或关闭的，代表 0 或 1。研究人员展示了如何让这些门在自身作用下随机翻转，或者通过随机的推动来产生一串不可预测的比特流。

以下是他们讨论的两种主要方法，进行了简化的解释：

1. “旋转硬币”法（超顺磁性 MTJs 或 sMTJs）

工作原理：
想象一枚放在桌子上的硬币。如果你用力摇晃桌子，硬币会纯粹因为震动而在正面和反面之间来回翻转。它不需要任何人去推动它；房间里的热能（热涨落）就足以让它不停地抖动。

在这种方法中，研究人员将磁性“硬币”（MTJ 的自由层）做得非常小且轻，以至于房间内的自然热量就能使其在“上”和“下”状态之间不断翻转。

• 难点： 为了让其翻转得足够快以发挥作用，磁性“硬币”必须非常小。然而，如果它太小，就会对制造过程中的微小缺陷变得敏感。
• 问题： 文中指出，这些设备通常存在一个隐藏的桌面“倾斜”（称为面内各向异性）。这种倾斜是由制造过程中的材料应力引起的。如果桌面是倾斜的，硬币就不会公平地翻转；它可能会更倾向于正面而非反面。研究人员发现，这种倾斜因设备而异，这使得在整个芯片上获得一枚完美的公平硬币变得非常困难。
• 最佳用途： 由于这种方法只是“聆听”噪声（被动读取）而不需要推动硬币，因此它的速度极快（每秒可达 10 亿次翻转）且功耗极低。它非常适合高速度任务，例如概率计算，即你需要在处理器旁边紧邻处获取海量的随机数据。

2. “轻微推动”法（随机写入 MTJs 或 SW-MTJs）

工作原理：
现在，想象一枚沉重且稳定的硬币。它不会自动翻转。相反，你必须给它一个特定的推力才能让它翻转。如果你推得太重，它总是会翻转。如果你推得恰到好处——处于“太重”和“太轻”之间——它只有 50% 的概率会翻转。

在这种方法中，磁性开关是稳定的（在收到指令前保持不动）。计算机发送一个非常特定的短促电脉冲来尝试使其翻转。通过仔细调节该脉冲的强度，研究人员使开关大约有一半的时间会发生随机翻转。

• 优势： 这使用了现代计算机内存（STT-MRAM）中已经采用的完全相同的技术。这就像是拿一个标准的存储单元，只是改变了与其交互的方式。这使得将其集成到现有计算机芯片中变得非常容易，无需建立新的工厂。
• 权衡： 因为每次都需要主动推动开关，所以它比“旋转硬币”法速度更慢，且功耗更高。它还对温度变化很敏感；如果房间变得太热或太冷，“推动”可能会变得太强或太弱，从而破坏 50/50 的概率。
• 最佳用途： 这对于“边缘”设备（如智能传感器或微控制器）非常有用，这些设备需要可靠的随机源来进行安全保障（密码学），但不需要第一种方法那样的极高速度。

大局对比

特性	“旋转硬币” (sMTJ)	“轻微推动” (SW-MTJ)
机制	让热量摇晃磁体直到其翻转。	用精确的电脉冲推动磁体。
速度	极快 (高达 1 Gbps)。	中等 (约 0.1 Gbps)。
功耗	极低 (仅读取状态)。	较高 (需要写入/推动状态)。
兼容性	需要特殊材料以避免“倾斜”。	使用标准内存制造工艺。
主要挑战	固定“倾斜”问题以确保每枚硬币都是公平的。	保持“推动”在时间与温度上的稳定性。

为什么这很重要？

论文得出结论，这两种方法都是极具前景的“真随机数生成器”（TRNGs）。它们比目前依赖大型处理器生成随机数的方法体积更小，且能效更高。

• sMTJs 是速度猛兽，是未来需要瞬间处理海量随机数据的计算机的理想选择。
• SW-MTJs 是可靠的劳模，由于能轻松融入现有技术，非常适合用于保障日常设备的安全性（密码学）。

研究人员强调，要让这些技术成为我们设备中的标准，工程师需要解决特定的材料科学问题：对于第一种方法，需要让“硬币”变得完美平整（消除倾斜）；对于第二种方法，需要让“推动”变得极其稳定。一旦克服这些障碍，我们就能看到这些微小的磁性开关为下一代安全高效的计算提供动力。

技术摘要

技术摘要：用于高速真随机数生成的超顺磁性与随机写入型磁隧道结

问题陈述
先进计算应用（包括概率计算、统计建模和密码学）需要高吞吐量、低功耗且紧凑的真随机源。虽然存在基于处理器的伪随机数生成器（PRNG），但它们通常能效较低，且缺乏硬件安全所需的物理熵。现有的物理熵源（例如 CMOS 中的热噪声、混沌电路或单光子探测器）通常在比特率、集成密度和能量效率之间面临权衡。本文旨在解决对紧凑型、CMOS 集成熵源的需求，这些熵源需能在极低功耗和极小占位面积下以每秒吉比特（Gb/s）级的速度运行，特别是利用已在自旋转移矩磁随机存取存储器（STT-MRAM）中成熟应用的磁隧道结（MTJ）技术。

方法论与途径
本文回顾了两种基于 MTJ 的不同真随机数生成（TRNG）途径，两者均利用改进的 STT-MRAM 结构，但在不同的工作机制下运行：

1. 被动读取式超顺磁性 MTJ (sMTJ)：

   • 机制： 这些器件利用具有与热能 ($k_B T$) 相近或更低的磁各向异性能垒的自由层。热涨落驱动磁矩在不同状态之间波动，从而在无需主动写入电流的情况下产生熵。
   • 亚型：
     • 单轴 sMTJ (Uniaxial sMTJs)： 采用低能垒单轴各向异性，使磁矩在平行态和反平行态之间进行电报式切换（telegraph-switches）。
     • 易面 sMTJ (Easy-Plane sMTJs, EP-sMTJs)： 采用强面内易面各向异性，将热涨落限制在薄膜平面内。这会产生可被数字化的模拟白噪声电阻信号。
   • 操作： 通过被动读取器件来提取熵，从而最大限度地降低功耗。

2. 随机写入式 MTJ (SW-MTJ)：

   • 机制： 这些器件使用磁稳定自由层（类似于标准 STT-MRAM），但通过降低写入电压或缩短脉冲持续时间来运行。这是有意诱导概率性切换（写入错误率 $\approx 0.5$），而非确定性切换。
   • 操作： 应用一个主动的“闪烁”（strobe）写入脉冲，并读取产生的状态（0 或 1）。随机性源于有限温度下自旋转移矩切换的随机特性。

关键结果与性能指标
作者展示了两种途径的实验演示和理论分析，并根据 NIST SP800 测试套件进行了验证：

• sMTJ 性能：

  • 速度： 单个 EP-sMTJ 器件已证明具有 0.5–1 Gb/s 的比特率。通过 XOR 操作结合两个独立的流，可获得 $>1$ Gb/s 的速率。
  • 质量： 比特流通过了 NIST SP800-22r1a 测试套件。
  • 效率： 估计能量效率约为 $\sim 0.03$ pJ/bit，单元占位面积小至 $\sim 0.01$ $\mu m^2$（不包括电路开销）。
  • 挑战： 一个重大的技术障碍是由于磁致伸缩耦合到后道工艺（BEOL）中的残余应力场，导致出现了非预期的、不受控的面内单轴各向异性。这种变异性影响了器件间的一致性。此外，单轴设计中的自相关时间 ($\tau_{ACF}$) 对温度和磁体积非常敏感。

• SW-MTJ 性能：

  • 速度： 每个器件实现 $\gtrsim 0.1$ Gb/s 的比特率。
    算法质量：比特流通过了 NIST 测试，通常需要对两个独立流进行一次 XOR 操作以消除偏差。
  • 效率： 估计能量效率约为 $\sim 0.08$ pJ/bit。
  • 稳定性： 在“弹道极限”（纳秒脉冲）下运行可降低对温度变化的敏感性。然而，长期时间漂移和切换概率的器件间变异性仍是实现稳健部署的挑战。

• 对比分析：

  • 与基于 CPU/GPU 的生成器和其他物理熵源（如混沌 CMOS 或 SPADs）相比，两种途径在能量效率和占位面积上都实现了数量级的提升。
  • sMTJs 最适合于需要在逻辑处理器附近获得最高数据率的应用（如概率计算），因为其被动、仅读取的特性避免了 CMOS 电流缩放限制。
  • SW-MTJs 对于侧重边缘端的微控制器和加密功能具有吸引力，在这些场景中，与现有 STT-MRAM 阵列的共集成优先级高于最大比特率。

意义与主张
本文主张，基于 MTJ 的熵源代表了下一代安全且高效计算系统的极具前景的基础。

• 集成性： 由于不需要写入电流，sMTJs 与最先进的 CMOS 节点具有兼容性；而 SW-MTJs 利用标准的 STT-MRAM 工艺流程，能够实现与同一芯片上嵌入式存储器的共集成。
• 可扩展性： 作者强调，要实现这些技术的全部潜力，需要解决特定的材料和工艺挑战：
  • 对于 sMTJs，将磁致伸缩引起的面内各向异性降低一个数量级，对于确保器件间统一的涨落特性至关重要。
  • 对于 SW-MTJs，提高时间稳定性并最大限度减少器件间的变异性，对于可靠的大规模部署至关重要。
• 系统级影响： 本文指出，虽然生成均匀的随机比特是第一步，但未来的研究还必须解决对这些比特进行采样和控制其统计分布（例如生成高斯分布）的高效方法，以充分实现概率计算工作负载中的效率增益，因为目前的数字映射步骤占据了主要的计算成本。

总之，本文将这两种 MTJ 途径定位为当前 TRNG 技术可行且高性能的替代方案，前提是需要解决有关各向异性和变异性的特定材料工程与工艺控制挑战。