Исследователи из Университета Тохоку создали теоретическую модель для энергоэффективных наномасштабных вычислений с использованием резервуарных вычислений на спиновых волнах и технологии спинтроники. Это нововведение, подробно описанное в npj Spintronics, открывает путь к созданию передовых нейроморфных устройств, способных выполнять высокоскоростные операции и применять их в таких областях, как прогнозирование погоды и распознавание речи.
Исследователи из Университета Тохоку создали теоретическую основу для усовершенствованной системы расчета резервуаров на спиновых волнах (RC), которая использует спинтронику. Эта инновация продвигает область к реализации энергоэффективных, наномасштаб вычисления с беспрецедентной вычислительной мощностью.
Подробности их выводов были опубликованы в НПЖ Спинтроника 1 марта 2024 года.
В поисках мозгоподобных вычислений
Мозг — это совершенный компьютер, и ученые постоянно стремятся создать нейроморфные устройства, которые имитируют вычислительные возможности мозга, имеют низкое энергопотребление и его способность адаптироваться к нейронным сетям. Развитие нейроморфных вычислений является революционным, позволяя ученым исследовать наноразмерные области со скоростью ГГц и низким энергопотреблением.
Компьютер физического пласта выполняет задачу по преобразованию входных данных в выходные данные, например прогнозирование временных рядов. Для резервуарной части использовалась тонкая магнитная пленка. Входная информация переносится спиновыми волнами и распространяется к выходному узлу (показанному синими цилиндрами на нижнем рисунке), соответствующему узлам в резервуаре (показанным желтым на верхнем рисунке). Фото: Springer Nature Limited.
В последние годы было достигнуто множество успехов в области вычислительных моделей, основанных на работе мозга. Эти искусственные нейронные сети продемонстрировали исключительную эффективность в различных задачах. Однако современные технологии основаны на программном обеспечении; их вычислительная скорость, размер и энергопотребление по-прежнему ограничены свойствами обычных электрических компьютеров.
Механика расчета резервуаров
RC работает через фиксированную, случайно сгенерированную сеть, называемую «резервуар». Резервуар обеспечивает запоминание прошлой входной информации и ее нелинейное преобразование. Эта уникальная характеристика позволяет интегрировать физические системы, такие как динамика намагничивания, для выполнения различных задач для последовательных данных, таких как прогнозирование временных рядов и распознавание речи.
Некоторые предложили спинтронику как средство реализации высокопроизводительных устройств. Но выпущенные до сих пор устройства не оправдали ожиданий. В частности, им не удалось достичь высокой производительности на наномасштабах со скоростью ГГц.
«Наше исследование предложило физический RC, который использует распространяющиеся спиновые волны», — говорит Нацухико Ёсинага, соавтор статьи и доцент Передового института исследования материалов (WPI-AIMR). «Теоретическая основа, которую мы разработали, использовала функции отклика, которые связывают входные сигналы с распространяющейся спиновой динамикой. Эта теоретическая модель объяснила механизм высокой производительности спин-волнового RC, подчеркнув взаимосвязь масштабирования между скоростью волны и размером системы для оптимизации эффективности виртуальных узлов».
Важно отметить, что Ёсинага и его коллеги помогли прояснить механизм высокопроизводительных вычислений резервуаров. При этом они использовали различные области, а именно физику конденсированного состояния и математическое моделирование.
«Используя уникальные свойства технологии спинтроники, мы потенциально проложили путь к новой эре интеллектуальных вычислений, приближая нас к созданию физического устройства, которое можно будет использовать для прогнозов погоды и распознавания речи», — добавляет Ёсинага.
Ссылка: «Универсальное масштабирование между скоростью и размером волны обеспечивает наномасштабные высокопроизводительные вычисления резервуаров на основе распространяющихся спиновых волн», Сатоши Иихама, Юя Койке, Сигэми Мизуками и Нацухико Ёсинага, 30 февраля 2024 г., НПЖ Спинтроника.
DOI: 10.1038/s44306-024-00008-5