最新资讯风向标

韩国利用人工智能方法分析半导体材料误差小于1%

2020-12-26 19:23 作者: 来源: 本站 浏览: 25次 字号:

摘要:    盖世汽车讯 自旋电子学涉及电子的内在自旋和电子工程领域,目前相关研究正在积极进行,以解决现有硅半导体存在的集成局限性,开发下一代超低功耗和高性能半导体。磁性材料是开发自旋电子器件(如MRAM磁阻随机存取存储器)最常用的材料之一。因此,通过分析磁哈密顿量及...

  

盖世汽车讯 自旋电子学涉及电子的内在自旋和电子工程领域,目前相关研究正在积极进行,以解决现有硅半导体存在的集成局限性,开发下一代超低功耗和高性能半导体。磁性材料是开发自旋电子器件(如MRAM磁阻随机存取存储器)最常用的材料之一。因此,通过分析磁哈密顿量及其参数来准确识别磁性材料的性质,如热稳定性、动态行为和基态构型等,具有重要意义。

  

  

(图片来源:

  

以前,为了更准确深入地了解磁性材料的性质,需要通过各种实验直接测量磁哈密顿参数,这一过程需要耗费大量时间和资源。据外媒报道,为了克服这些困难,韩国的研究人员开发了一种人工智能(AI)系统,可以实时分析磁性系统。

  

韩国科学技术研究院(KIST)宣布,其联合研究团队开发了一种技术,可以利用人工智能技术,通过自旋结构图像估计磁哈密顿参数。该团队由自旋收敛研究中心(Spin Convergence Research Center)的Heeyong Kwon博士和Dr。 Junwoo Choi 博士,以及庆熙大学(Kyung Hee University)的Changyeon Won教授领导。

  

研究人员构建深层神经网络,并利用机器学习算法和现有磁畴图像对其进行训练。结果表明,输入通过电子显微镜获得的自旋结构图像,可以实时估计磁哈密顿参数。此外,与实验得到的参数值相比,人工智能系统的估计误差小于1%,具有较高的准确度。据该团队介绍,利用所开发的人工智能系统,可以通过深度学习技术,即时完成材料参数评估过程。以前完成这一过程需要数十个小时。

  

KIST的Hee-young Kwon博士表示:“我们提出一种新方法,展示如何利用人工智能技术来分析磁性系统性能。预计使用这种新方法,通过人工智能技术研究物理系统,将缩小实验值和理论值之间的差距,并将进一步融合人工智能技术和基础科学研究,拓展新的研究领域。”