積極進行自旋電子學(xué)的研究，以處理電子的固有自旋和電子工程領(lǐng)域，以解決當(dāng)前使用的硅半導(dǎo)體集成水平的局限性，并開發(fā)出超低功耗和高性能的下一代電子器件。代半導(dǎo)體。磁性材料是開發(fā)自旋電子設(shè)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(shù)來準(zhǔn)確識別磁性材料的特性，例如熱穩(wěn)定性，動力學(xué)行為和基態(tài)配置。

以前，磁性哈密頓量參數(shù)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(zhǔn)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(fā)了一種可以即時分析磁系統(tǒng)的人工智能(AI)系統(tǒng)。韓國科學(xué)技術(shù)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(xué)的Changyeon Won教授領(lǐng)導(dǎo)的合作研究小組開發(fā)了一種從自旋中估計磁性哈密頓量參數(shù)的技術(shù)。使用AI技術(shù)構(gòu)造圖像。

他們構(gòu)建了一個深層的神經(jīng)網(wǎng)絡(luò)，并用機器學(xué)習(xí)算法和現(xiàn)有的磁疇圖像對其進行了訓(xùn)練。結(jié)果，通過輸入從電子顯微鏡獲得的自旋結(jié)構(gòu)圖像可以實時估計磁性哈密頓量參數(shù)。此外，當(dāng)與實驗研究的參數(shù)值進行比較時，AI系統(tǒng)的估計誤差小于1%，表明較高的估計精度。根據(jù)該團隊的說法，開發(fā)的AI系統(tǒng)能夠通過使用深度學(xué)習(xí)技術(shù)來完成材料參數(shù)估算過程，該過程以前需要立即花費數(shù)十個小時。

KIST的Hee-young Kwon博士說：“我們提出了一種有關(guān)如何實現(xiàn)AI技術(shù)來分析磁性系統(tǒng)特性的新穎方法。” “我們期望使用此類AI技術(shù)研究物理系統(tǒng)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(shù)與基礎(chǔ)科學(xué)研究的融合的新研究領(lǐng)域。”