人工智能使半導體材料分析成為可能

積極進行自旋電子學的研究，以處理電子的固有自旋和電子工程領域，以解決當前使用的硅半導體集成水平的局限性，并開發出超低功耗和高性能的下一代電子器件。代半導體。磁性材料是開發自旋電子設備(例如，磁阻隨機存取存儲器(MRAM))的最常用材料之一。因此，必須通過分析磁性哈密頓量及其參數來準確識別磁性材料的特性，例如熱穩定性，動力學行為和基態配置。

以前，磁性哈密頓量參數是通過各種實驗直接測量的，目的是獲得對磁性材料特性的更準確和更深入的了解，而這種過程需要大量的時間和資源。

為了克服這些限制，韓國的研究人員開發了一種可以即時分析磁系統的人工智能(AI)系統。韓國科學技術研究院(KIST)報道說，由自旋收斂研究中心的Heeyong Kwon博士和Cho Junwoo Choi博士以及慶熙大學的Changyeon Won教授領導的合作研究小組開發了一種從自旋中估計磁性哈密頓量參數的技術。使用AI技術構造圖像。

他們構建了一個深層的神經網絡，并用機器學習算法和現有的磁疇圖像對其進行了訓練。結果，通過輸入從電子顯微鏡獲得的自旋結構圖像可以實時估計磁性哈密頓量參數。此外，當與實驗研究的參數值進行比較時，AI系統的估計誤差小于1%，表明較高的估計精度。根據該團隊的說法，開發的AI系統能夠通過使用深度學習技術來完成材料參數估算過程，該過程以前需要立即花費數十個小時。

KIST的Hee-young Kwon博士說：“我們提出了一種有關如何實現AI技術來分析磁性系統特性的新穎方法。” “我們期望使用此類AI技術研究物理系統的新方法將能夠縮小實驗和理論方面之間的差距，并將進一步擴大AI技術與基礎科學研究的融合的新研究領域。”