이 획기적인 혁신으로 AI의 효율성이 10배 높아질 수 있습니다.

이온 빔으로 제작된 스핀 도파관 네트워크의 예술가적 표현 (아래: 안테나와 네트워크, 오른쪽 위: 이온 빔, 왼쪽 위: 스핀파). 사진 제공: 로버트 슈미트(브라치치 그룹)

AI 애플리케이션의 급속한 증가로 인해 에너지 인프라에 대한 요구가 점점 더 커지고 있습니다.AI 하드웨어에 대한 에너지 절약 솔루션을 찾아야 할 이유가 더욱 커졌습니다.유망한 아이디어 중 하나는 소위 스핀파를 사용하여 정보를 처리하는 것입니다.물리학자 Rudolf Bratschitsch 교수(뮌스터)가 이끄는 뮌스터 및 하이델베르크 대학교(독일)의 팀은 스핀파가 특히 멀리 전파될 수 있는 도파관을 생성하는 새로운 방법을 개발했습니다.이로써 그들은 지금까지 가장 큰 스핀 도파관 네트워크를 구축했습니다.더 나아가, 이 그룹은 도파관에서 전송되는 스핀파의 특성을 구체적으로 제어하는 ​​데 성공했습니다.예를 들어, 그들은 특정 계면에서 스핀파의 파장과 반사를 정밀하게 변경할 수 있었습니다.이 연구는 과학 저널 Nature Materials 에 게재되었습니다.

전자 스핀은 고유 각운동량이라고도 하는 양자역학적 양입니다. 물질 내 여러 스핀의 배열은 그 물질의 자기적 특성을 결정합니다. 안테나를 사용하여 자성 물질에 교류 전류를 흘려 변화하는 자기장을 생성하면, 물질 내 스핀이 스핀파를 생성할 수 있습니다.

스핀파는 이미 이진 입력 신호를 이진 출력 신호로 처리하는 논리 게이트나 다양한 입력 신호 중 하나를 선택하는 멀티플렉서와 ​​같은 개별 부품을 만드는 데 사용되었습니다. 그러나 지금까지 이러한 부품들을 연결하여 더 큰 회로를 형성하지는 못했습니다. 루돌프 브라치치(Rudolf Bratschitsch)는 "전자공학에서 사용되는 것과 같은 더 큰 네트워크가 아직 구현되지 않은 것은 개별 스위칭 소자를 연결하는 도파관에서 스핀파가 심하게 감쇠되기 때문입니다. 특히 도파관이 마이크로미터보다 좁아서 나노 스케일일 경우 더욱 그렇습니다."라고 설명합니다.

연구팀은 현재 알려진 물질 중 감쇠율이 가장 낮은 이트륨 철 가넷(YIG)을 사용했습니다. 연구진은 실리콘 이온 빔을 사용하여 이 자성 물질의 110나노미터 박막에 개별 스핀파 도파로를 새겨 넣고, 198개의 노드로 구성된 대규모 네트워크를 제작했습니다. 이 새로운 방법을 통해 고품질의 복잡한 구조를 유연하고 재현성 있게 제작할 수 있습니다.

독일 연구 재단(DFG)은 협동 연구 센터 1459 "지적 물질"의 일환으로 이 프로젝트에 자금을 지원했습니다.

출처: https://www.sciencedaily.com/releases/2025/07/250710113143.htm