新技术有望解决人工智能的内存瓶颈

渴求内存、耗电的大数据可能最终达到了它的匹配。

西北大学（Northwestern University）和意大利梅西纳大学（University of Messina）的电气工程师开发了一种新的磁存储器装置，它可能支持以数据为中心的计算的激增，这需要不断增加的功率、存储和速度。

基于反铁磁（AFM）材料，该装置是有史以来最小的一种演示，并以创纪录的低电流操作来写入数据。

领导这项研究的西北大学的佩德拉姆·哈利利说：“大数据的兴起使人工智能（AI）得以在云端和边缘设备上出现，并从根本上改变了计算、网络和数据存储行业。”“然而，现有的硬件无法维持以数据为中心的计算的快速增长。我们的技术有可能解决这一挑战。”

这项研究将于2月10日发表在《自然电子》杂志上。

哈利利是西北大学麦考密克工程学院的电气和计算机工程副教授。他与墨西纳大学电气工程副教授乔瓦尼·费诺奇共同领导了这项研究。研究小组成员还包括麦考密克公司的电气和计算机工程教授马修·格雷森（Mat thew Grayson）。史嘉诚和维克多·洛佩兹-多明格斯都是哈利利实验室的成员，他们是论文的第一作者。

从许诺到可能

虽然人工智能提供了改善社会许多领域的希望，包括医疗保健系统、交通和安全，但只有计算能力能够支持它，它才能发挥其潜力。

理想情况下，AI需要当今内存技术的所有最好的部分：像静态随机访问存储器（SRAM）那样快的东西，并且具有类似于动态随机访问存储器（DRAM）或Flash的存储容量。此外，它还需要低功耗。

哈利利说：“没有现有的内存技术能够满足所有这些需求。“这导致了所谓的”内存瓶颈“，严重限制了当今AI应用的性能和能耗。”

为了迎接这一挑战，哈利利和他的合作者寻找AFM材料。在原子力显微镜材料中，由于称为“自旋”的量子力学性质，电子的行为就像小磁铁，但材料本身并没有显示宏观磁化，因为自旋是以反平行的方式排列的。

通常，存储设备需要电流来保留存储的数据。但是在AFM材料中，是磁有序的自旋来执行这个任务，所以不需要连续施加电流。作为一个额外的奖励，数据不能被外部磁场擦除。由于密集包装的设备不会与磁场相互作用，基于AFM的设备非常安全，易于缩小到小尺寸。

易于采用的技术

由于它们固有的快速和安全，并使用较低的功率，AFM材料已经在过去的研究中进行了探索。但以前的研究人员在控制材料内的磁序方面遇到了困难。

哈利利和他的团队使用了反铁磁铂锰的支柱-这是以前没有探索过的几何学。直径只有800纳米，这些支柱比早期基于AFM的存储设备小10倍。

重要的是，产生的设备与现有的半导体制造实践兼容，这意味着目前的制造公司可以很容易地采用新技术，而不必投资于新设备。

哈利利说：“这给AFM带来了更接近实际应用的内存——因此也带来了高规模、高性能的磁随机存取存储器（MRAM）。“这对行业来说是一件大事，因为今天对技术和材料的需求很大，可以扩大MRAM的规模和性能，并增加行业在这项技术上已经做出的巨大投资回报，从而将其带到制造业。”

哈利利的团队已经在为下一步的应用程序翻译做准备。

哈利利说：“我们现在正在努力进一步缩小这些装置的规模，并改进读出其磁性状态的方法。””我们还在研究更节能的方法，将数据写入原子力显微镜材料，例如用电压代替电流，这是一项具有挑战性的任务，可以进一步提高另一个数量级或更多的能效。