基于石墨烯的微型磁性设备可能会在未来带来更小、更强大的处理器

原子尺度的二维磁体可以通过极化来表示二进制状态——计算数据的 1 和 0。这些可以导致更密集和更节能的组件。

当您通过我们网站上的链接购买时，我们可能会赚取联属佣金。这是它的工作原理。

研究人员开发了一种技术，可以实现计算组件的极度小型化，为紧凑型高性能设备铺平道路。

处理器中的晶体管和逻辑门越小，可以将更多的计算能力集成到更小的区域中。但硅的物理限制意味着我们正在达到这些组件的小型化极限。

然而，一项新技术涉及二维磁体中自旋态之间的超快切换（代表 1 和 0 的二元态之间的切换），可以产生更密集、更节能的组件。

这项技术是由一种新型磁隧道结（MTJ）实现的——一种在计算系统中充当数据存储设备的材料结构。科学家们将三碘化铬（一种二维绝缘磁体）夹在石墨烯层之间，并通过它发送电流，以决定磁体在各个三碘化铬层内的方向。

利用这些 MTJ 可能意味着将比以前认为可能的更多计算能力装入芯片中，同时在切换过程中消耗更少的能量。研究人员在 5 月 1 日《自然通讯》杂志上发表的一项新研究中发表了他们的发现。

在论文中，科学家们证明，二维磁体可以通过极化来表示二进制状态（计算数据的 1 和 0），为高能效计算铺平了道路。

利用自旋电子学实现更快的计算

精确控制二维材料的磁相是自旋电子学（控制电子自旋和相关磁矩）的关键一步。通过精确控制电流，新技术可以利用电流的极性和振幅改变三碘化铬的自旋态。这是可能的，因为该化合物具有铁磁性（它具有磁性，可以像铁一样吸引磁铁）。这种化合物也是一种半导体——一种导电率介于金属和绝缘体之间的材料。

自旋电子学的一个关键支持组件是 MTJ——由绝缘势垒隔开的两个铁磁层。控制 MTJ 的自旋状态是一种已经在各种计算机组件中使用的技术，例如硬盘驱动器的读取头。但事实证明，精确控制其组成层的厚度及其相互界面的质量具有挑战性。

相关：“疯狂想法”存储设备可将 AI 能耗削减高达 2,500 倍

材料必须能够承受通过大约指甲大小的区域的至少 1000 万安培的高电流密度，同时还要满足设备小型化和能源效率的要求。出于比较目的，典型的闪电电流为 1,000 至 300,000 安培。

“这篇论文是关于这样一个事实：隧道电流可以有两种可能的状态：自旋平行和反平行，”英国巴斯大学物理学读者Adelina Ilie。专门研究 2D 磁铁，告诉 LiveScience。 “如果有两个定义的状态，它们可以用作计算机中的逻辑门。”

未来人工智能系统的能源效率更高

科学家们创造了二维范德华（三碘化铬）磁体，然后将原子级薄的石墨烯、六方氮化硼和三碘化铬层叠在一起，形成隧道结器件——他们将其冷却到接近绝对零.他们同时让电流通过材料，并使用源表在 16 毫秒的突发时间内进行测量。

他们指出，电压在与三碘化铬内的自旋平行和自旋反平行状态相对应的能级之间进行随机切换，切换方向由电流的极性和幅度决定。每个磁状态的持续时间通常为 10 毫秒，而两种状态之间的切换时间为微秒量级（一微秒是百万分之一秒）。

“这些状态并不完全稳定，”伊利解释道。 “实际发生的情况是，电流随机地从一种状态转移到另一种状态，但它在一种状态或另一种状态下停留的平均时间更长，具体取决于电压。这给了我们可以确定性选择的两种状态。 ”

这两种状态可用作逻辑门，能够以比以前小得多的规模进行操作。利用这项技术，制造商可以制造出具有更强处理能力的计算机芯片。但对接近绝对零工作温度的需求意味着实际实现未来设备将具有挑战性。

伊利总结道：“这种工作的不同之处在于，从一种状态转变为另一种状态所需的能量比传统的磁隧道结要低一个数量级。” “像生成式人工智能这样的新技术会极大地增加功耗，无法跟上，所以你需要节能的设备。”