Так называемые «магнонные устройства» могут помочь сделать компьютерные схемы более энергоэффективными, компактными и сложными. Венские физики и их коллеги разработали магнонный процессор, обеспечивающий адаптивные и энергоэффективные вычисления. Впервые это удалось экспериментально реализовать с помощью методов обратного проектирования с использованием искусственного интеллекта (ИИ), сообщают исследователи в журнале «Nature Electronics».
Направленный ответвитель с видимой атомной структурой в представлении художника. Фото: Венский университет
Андрей Чумак с физического факультета Венского университета уже давно работает над новым подходом к построению схем. Передатчиками информации являются не электроны, а так называемые магноны. Это не конкретная частица, а скорее возбуждения многочастичной системы, которая ведет себя как частица. Физики называют такие вещи «квазичастицами».

Магноны — это магнитное явление в кристаллах, вызванное собственным угловым моментом (спином) электронов. Во многих магнитных материалах оси спина ориентированы параллельно. Если одна из этих осей вращения смещается, то создает спиновую волну, которая распространяется по кристаллу. Подобно тому, как можно соотнести квантовую частицу с электромагнитной волной (фотоном), существует также соответствующая частица для спиновой волны — магнон.
Исследователь Андрей Чумак использует установку для изучения характеристик магнитных материалов. Фото: Технический университет Кайзерслаутерна
Поскольку в магнонике электроны не мигрируют через проводники, требуется меньше энергии, чем в обычной электронике, и не генерируется тепло. Кроме того, для вычислительных операций требуется меньше коммутационных элементов. Однако недостатком является то, что разработка функциональных магнонных компонентов очень сложна.

Международная исследовательская группа под руководством Чумака и Нуры Зенбаа совместно с коллегами под руководством Дитера Зюсса из Венского университета создали прототип процессора с двумя ключевыми функциями: как полосовой фильтр он может блокировать определенные частоты, а как демультиплексор он может перенаправлять сигналы на различные выходы. 

Исследователи подчеркивают, что такие функции имеют решающее значение для беспроводных коммуникаций следующего поколения, таких как 5G и 6G. Для проектирования компонента исследователи использовали обратный метод, при котором сначала определяется желаемая функция компонента. 

«Мы передали полный контроль компьютеру», — сообщил Чумак. 

Затем алгоритмы генерируют случайные структуры и оптимизируют их шаг за шагом на высокой скорости методом проб и ошибок для достижения желаемой функциональности. Один из алгоритмов использовал машинное обучение — форму искусственного интеллекта.

«Это имеет большой потенциал, поскольку мы, вероятно, сможем выполнить любую задачу для любого типа обработки данных, будь то системы радиочастотной связи, логические вентили для цифровой обработки данных, нейроморфная обработка данных для более сложных задач и т. д., и компьютер может реализовать такую функциональность», — говорит физик. 

Он добавил, что «при прямом проектировании, т. е. если бы мы создавали устройство самостоятельно, это было бы невозможно из-за больших затрат усилий». По словам ученых, разработанное таким образом оборудование можно адаптировать для различных применений. Исследователи подчеркивают, что прототип все еще большой и энергоемкий, но уменьшение его до размеров менее 100 нанометров может обеспечить исключительную эффективность.