QQ在線
企業微信
資訊
480自旋電子學涉及電子的內在自旋和電子工程領域，目前相關研究正在積極進行，以解決現有硅半導體存在的集成局限性，開發下一代超低功耗和高性能半導體。磁性材料是開發自旋電子器件（如MRAM磁阻隨機存取存儲器）最常用的材料之一。因此，通過分析磁哈密頓量及其參數來準確識別磁性材料的性質，如熱穩定性、動態行為和基態構型等，具有重要意義。
以前，為了更準確深入地了解磁性材料的性質，需要通過各種實驗直接測量磁哈密頓參數，這一過程需要耗費大量時間和資源。為了克服這些困難，韓國的研究人員開發了一種人工智能(AI)系統，可以實時分析磁性系統。
韓國科學技術研究院(KIST)宣布，其聯合研究團隊開發了一種技術，可以利用人工智能技術，通過自旋結構圖像估計磁哈密頓參數。該團隊由自旋收斂研究中心（Spin Convergence Research Center）的Heeyong Kwon博士和Dr. Junwoo Choi 博士，以及慶熙大學（Kyung Hee University）的Changyeon Won教授領導。
研究人員構建深層神經網絡，并利用機器學習算法和現有磁疇圖像對其進行訓練。結果表明，輸入通過電子顯微鏡獲得的自旋結構圖像，可以實時估計磁哈密頓參數。此外，與實驗得到的參數值相比，人工智能系統的估計誤差小于1%，具有較高的準確度。據該團隊介紹，利用所開發的人工智能系統，可以通過深度學習技術，即時完成材料參數評估過程。以前完成這一過程需要數十個小時。
KIST的Hee-young Kwon博士表示：“我們提出一種新方法，展示如何利用人工智能技術來分析磁性系統性能。預計使用這種新方法，通過人工智能技術研究物理系統，將縮小實驗值和理論值之間的差距，并將進一步融合人工智能技術和基礎科學研究，拓展新的研究領域。”
