Le calcul basé sur Magnon pourrait signaler un changement de paradigme informatique

Comme l’électronique ou la photonique, la magnénique est un sous-domaine de l’ingénierie qui vise à faire progresser les technologies de l’information en termes de vitesse, d’architecture des appareils et de consommation d’énergie. Un magnon correspond à la quantité spécifique d’énergie nécessaire pour modifier l’aimantation d’un matériau via une excitation collective appelée onde de spin.

Parce qu’ils interagissent avec les champs magnétiques, les magnons peuvent être utilisés pour coder et transporter des données sans flux d’électrons, ce qui implique une perte d’énergie par chauffage (appelé chauffage Joule) du conducteur utilisé. Comme l’explique Dirk Grundler, responsable du laboratoire Nanoscale Magnetic Materials and Magnonics (LMGN) à la School of Engineering, les pertes d’énergie constituent un obstacle de plus en plus sérieux à l’électronique à mesure que la vitesse des données et les demandes de stockage montent en flèche.

« Avec l’avènement de l’IA, l’utilisation de la technologie informatique a tellement augmenté que la consommation d’énergie menace son développement », explique Grundler. « Un problème majeur est l’architecture informatique traditionnelle, qui sépare les processeurs et la mémoire. Les conversions de signaux impliquées dans le déplacement des données entre différents composants ralentissent le calcul et gaspillent de l’énergie. »

Cette inefficacité, connue sous le nom de mur de mémoire ou goulot d’étranglement de Von Neumann, a incité les chercheurs à rechercher de nouvelles architectures informatiques capables de mieux répondre aux exigences du Big Data. Et maintenant, Grundler pense que son laboratoire est peut-être tombé sur un tel « Saint Graal ».

Tout en faisant d’autres expériences sur une plaquette commerciale de grenat de fer d’yttrium isolant ferrimagnétique (YIG) avec des bandes nanomagnétiques sur sa surface, LMGN Ph.D. L’étudiant Korbinian Baumgaertl a été inspiré pour développer des dispositifs nano-aimants YIG conçus avec précision. Avec le soutien du Center of MicroNanoTechnology, Baumgaertl a pu exciter des ondes de spin dans le YIG à des fréquences gigahertz spécifiques en utilisant des signaux de radiofréquence, et surtout pour inverser la magnétisation des nanoaimants de surface.

« Les deux orientations possibles de ces nanoaimants représentent les états magnétiques 0 et 1, ce qui permet d’encoder et de stocker des informations numériques », explique Grundler.

Une voie vers le calcul en mémoire

Les scientifiques ont fait leur découverte à l’aide d’un analyseur de réseau vectoriel conventionnel, qui a envoyé une onde de spin à travers le dispositif YIG-nanoaimant. L’inversion du nanoaimant ne s’est produite que lorsque l’onde de spin a atteint une certaine amplitude, et pourrait alors être utilisée pour écrire et lire des données.

« Nous pouvons maintenant montrer que les mêmes ondes que nous utilisons pour le traitement des données peuvent être utilisées pour commuter les nanostructures magnétiques afin que nous ayons également un stockage magnétique non volatil dans le même système », explique Grundler, ajoutant que « non volatil » fait référence au stockage stable. de données sur de longues périodes sans consommation d’énergie supplémentaire.

C’est cette capacité à traiter et à stocker des données au même endroit qui donne à la technique son potentiel pour changer le paradigme actuel de l’architecture informatique en mettant fin à la séparation énergétiquement inefficace des processeurs et du stockage en mémoire, et en réalisant ce que l’on appelle la mémoire en mémoire. calcul.

Optimisation à l’horizon

Baumgaertl et Grundler ont publié les résultats révolutionnaires dans la revue Communication Natureet l’équipe LMGN travaille déjà à l’optimisation de leur approche.

« Maintenant que nous avons montré que les ondes de spin écrivent des données en faisant passer les nanoaimants de l’état 0 à l’état 1, nous devons travailler sur un processus pour les faire revenir à nouveau, c’est ce qu’on appelle la commutation à bascule », explique Grundler.

Il note également que théoriquement, l’approche magnénique pourrait traiter des données dans la gamme térahertz du spectre électromagnétique (à titre de comparaison, les ordinateurs actuels fonctionnent dans la gamme plus lente des gigahertz). Cependant, ils doivent encore le démontrer expérimentalement.

« La promesse de cette technologie pour un calcul plus durable est énorme. Avec cette publication, nous espérons renforcer l’intérêt pour le calcul basé sur les ondes et attirer davantage de jeunes chercheurs dans le domaine en plein essor de la magnénique. »