MWC 2018
2018
Computex
IFA 2018
Группа учёных под руководством специалистов из Индийского технологического института в Бхубанешваре добилась крупного прорыва в спинтронных вычислениях — они обеспечили синхронизацию более 105 000 наноосцилляторов всего за 45 наносекунд. Технология открывает путь к сверхбыстрым вычислительным элементам, более эффективным, чем современные кремниевые транзисторы.
Источник изображения: Brecht Corbeel / unsplash.com
Традиционные кремниевые чипы обрабатывают данные, гоняя электроны по нескольким миллиардам крошечных транзисторов — при этом выделяются большие объёмы тепла. Спинтроника предлагает изящную альтернативу: исходной величиной здесь является собственный спин, аналог магнитного вращения, электронов, но не их физическое движение, а передача данных осуществляется через спиновые волны.
Основу новой технологии составили спиновые наноосцилляторы Холла, которые генерируют распространяющиеся магнитные спиновые волны. Чтобы создать мощный процессор, необходимо добиться колебания этих наноэлементов в унисон. Ранее учёным удавалось синхронизировать не более 64 таких наноосцилляторов в двухмерной сетке. Чтобы увеличить это число, необходимо было расположить их как можно ближе друг к другу.
Решить проблему индийским учёным помогли коллеги из Гетеборгского университета (Швеция) и Университета Тохоку (Япония) — совместными усилиями они построили сверхузкие наноконстуркции размером всего 10 и 20 нм в поперечнике. Используя трехслойные материалы вольфрам-тантал и кобальт-железо-бор, они собрали в одной сетке более 105 000 компонентов. При подаче электрического тока вся сеть синхронизировалась за 45 нс.
Быстро упорядочить фазы помог обмен магнонами — квазичастицами спиновых волн. Между наноустройствами образовалась связь при минимальном рассеянии энергии. Общая мощность сети и качество сигнала очень хорошо масштабируется, установили учёные. При таком уровне производительности на наноосцилляторах можно будет строить машины Изинга — специализированные процессоры, предназначенные исключительно для почти мгновенного решения задач по оптимизации со множеством переменных. Можно будет формировать наиболее эффективные маршруты доставки, в реальном времени моделировать схемы финансовых рисков, а также оптимизировать нейросети — передовые системы искусственного интеллекта.
Источник:
