2026.05.22
广东吉洋视觉专注AOI视觉检测设备 （三光机AOI；引线键合AOI；引线框架AOI；引线检测；合金线检测；合金线检测AOI）
东京大学的研究人员表示，他们已经展示了一种非易失性磁性开关装置，该装置能够在短短 40 皮秒内翻转状态，同时消耗的功率异常低，产生的热量也比许多以前的超快开关方法少得多——这有可能解决现代人工智能硬件面临的最大问题之一：移动和存储数据所产生的巨大能源和冷却需求。
研究人员利用一种名为锰锡（Mn₃Sn）的反铁磁材料构建了该器件，并证明超短电脉冲可以可靠地切换其磁状态，且断电后仍能保持存储的信息。他们还演示了利用电信波段激光器和光电二极管产生的超快光电流脉冲实现类似的磁状态切换，有效地将光信号直接转换为用于写入存储器的电脉冲。
从最根本的层面来说，现代计算实际上是物理状态转换的科学。计算机内部的每一个操作——无论是运行游戏、训练人工智能模型、打开浏览器标签页，还是从存储设备加载文件——最终都涉及数十亿甚至数万亿次微小的物理状态变化。晶体管的开关、存储单元的充放电、缓存状态的更新、数据在互连线路中的传输，以及存储单元对电子的捕获和释放。
这些状态切换事件在物理层面上代表了二进制信息。问题在于，状态切换需要能量，而几乎所有这些能量最终都会转化为热量。在人工智能时代，这一现实正变得日益棘手。现代人工智能加速器需要处理海量数据。但它们的大部分功耗不仅来自计算本身，还来自缓存、内存、存储和互连之间信息的不断移动和刷新。随着GPU集群扩展到数十万个加速器，供电和散热正成为行业最大的瓶颈之一。
目前的内存技术处理数据交换的方式各不相同，但每种技术都存在重大的优缺点。DRAM （个人电脑、服务器和GPU中使用的主要系统内存）将信息以电荷的形式存储在微型电容器中。充满电的电容器代表一种状态，而放电的电容器则代表另一种状态。然而，这些电容器会不断泄漏电荷，这意味着系统必须每秒刷新内存单元数千次才能保存数据。这种频繁的刷新操作会消耗大量电力并产生热量，即使在系统相对空闲时也是如此。
SSD中使用的闪存通过将电子捕获在浮栅结构中来避免这个问题，这种结构无需持续供电即可保存数据。另一方面，改变这些状态的速度较慢且能耗较高，因此闪存不适合用作高速工作存储器。
SRAM（静态随机存取存储器）用于CPU缓存中，它利用晶体管反馈电路持续维持状态，从而实现极快的切换速度。但SRAM会占用大量的芯片面积和功耗，使其成本高昂且难以扩展到大容量。
数十年来，业界一直在寻找一种能够兼具SRAM的速度、DRAM的密度、闪存的持久性和低功耗的“通用存储器”。在超快时间尺度上，这一挑战变得更加艰巨，因为许多实验性的开关技术部分依赖于强力加热来快速地破坏和翻转状态。
开关速度越快，热问题通常就越严重。文中提到的几种先前已验证的皮秒级开关方法，在运行过程中都会导致温度升高数百开尔文。
东京的研究人员则另辟蹊径，通过自旋电子学领域探索一种截然不同的开关机制。与以电荷形式存储信息不同，自旋电子器件利用磁态来存储信息。
传统的磁性存储器通常使用铁磁体——例如铁、钴或镍等材料，这些材料中的磁矩方向一致。而这种新型器件则使用了一种名为Mn₃Sn的反铁磁材料，在这种材料中，相邻磁矩会相互抵消。
研究人员对反铁磁体很感兴趣，因为它们有可能以更快的速度切换，更有效地抵抗磁干扰，并且可以缩小尺寸而不会产生大的杂散磁场。
研究人员在硅衬底上制造了层状 Mn₃Sn/Ta 结构，然后使用超快电脉冲将材料在两种稳定的磁配置（代表二元状态）之间翻转。
至关重要的是，这种切换机制并非主要基于加热材料。相反，脉冲会产生所谓的自旋轨道扭矩——这一过程将角动量直接传递到磁性结构本身，从而无需极高的温度峰值即可翻转磁性状态。
这一区别正是本文的核心论点。这项研究并非仅仅在于创造一种新型存储器，而在于寻找一种可能更节能的数字状态切换方式。目前，计算机硬件消耗的几乎所有电能最终都会转化为热量。随着GPU集群扩展到数十万个加速器，现代人工智能基础设施已经面临着严重的电力和散热瓶颈。
据报道，该团队的装置仅需40皮秒即可完成开关操作——比典型的纳秒级存储器开关速度快约1000倍。通常情况下，将开关速度提升到皮秒级会导致发热量急剧上升，因为系统往往部分依赖于强烈的瞬态加热来快速破坏状态，从而实现反转。
然而，在一种器件配置中进行的模拟显示，切换过程中温度仅升高约 8 K (14.4°F)，这支持了研究人员的观点，即该机制主要依赖于直接角动量转移，而非蛮力热切换。这也证实了 Mn₃Sn 器件可能避免了困扰早期超快存储器研究的大部分散热问题。
这项光开关演示对于未来的数据中心架构也可能具有重要意义。研究人员使用电信波段激光器和光电二极管产生了60皮秒的光电流脉冲，然后利用这些脉冲切换了器件的磁状态。
这最终可能与整个行业在光互连和硅光子学领域的努力相一致，超大规模数据中心正在越来越多地寻求使用光而不是传统的电信号来传输信息的方法。
如果这类技术最终实现商业化，理论上可以降低内存刷新开销、减少散热需求、降低待机功耗，甚至模糊内存和存储之间的界限。对于个人计算而言，这意味着未来系统无需待机电源即可保持工作内存内容，实现即时恢复，并减少发热量。而对于超大规模人工智能基础设施，其意义则更多地体现在提升大型GPU集群的能效和降低散热方面。
然而，目前这项技术仍处于实验阶段。目前的设备只是微小的实验室结构，而非可量产的存储芯片。论文指出，目前的实现方式仍然需要外部偏置磁场才能实现确定性开关——这对于商用硬件而言是一个主要的实际限制。
制造可扩展性、耐久性验证、成本竞争力以及与现有CMOS制造工艺的集成等问题仍未得到解决。计算机发展史上不乏前景光明、但从未取代成熟的DRAM或NAND生态系统的“下一代存储器”技术。即便如此，这项研究也凸显了计算机行业日益增长的现实：未来性能的提升可能更多地取决于降低物理切换、移动和存储信息所需的能量，而非缩小晶体管尺寸。
郑重声明：
1、部分内容来源于网络，本文版权归原作者所有，转载文章仅为传播更多信息之目的。
2、本文仅供学术交流，非商用。如果某部分不小心侵犯了大家的利益，请联系删除。
