2020年12月17日
自旋电子学正在积极研究克服缺点的硅半导体集成级别,目前正在使用和开发超低功耗和高性能的新一代半导体。
(一)数据生成过程显示采样自旋构型生成通过模拟退火过程。色环表示平面磁化方向,和灰度显示出平面磁化方向。(B和C)在这项研究中使用的培训和测试过程。(D)额外的验证过程与实验观察到的磁畴图像。图片来源:韩国科学技术研究院(KIST)。欧洲杯线上买球
自旋电子学领域的固有自旋电子和电子工程的面积。
磁性材料是最广泛的欧洲杯足球竞彩用于创建自旋电子学设备magneto-resistive随机存取存储器(MRAM)。因此,有必要准确地找出几个磁性材料的属性,如动态行为,热稳定性和基态构型,分析了磁哈密顿及其参数。欧洲杯足球竞彩
以前,磁哈密顿参数量化直接通过几个实验来实现一个更精确的和更深入的洞察磁性材料的属性,以及这些过程需要大量的资源和时间。欧洲杯足球竞彩
为了解决这些限制,一个人工智能(AI)系统已经由科学家在韩国检查磁系统的能力。
据韩国科学技术研究院院(KIST)合作研究团队的指导下Heeyong K欧洲杯线上买球won博士和Junwoo Choi博士从旋转融合研究中心和Changyeon赢得了庆熙大学教授设计了一个计算方法从自旋磁哈密顿参数结构图像利用人工智能的方法。
他们建立了一个深层神经网络结构和训练使用机器学习算法和磁畴图像已经可用。因此,磁哈密顿参数可以通过输入实时评估自旋结构从电子显微镜获得的图像。
此外,人工智能系统的估计误差低于1%相比,分析了实验参数值,这意味着估计精度高。
研究人员报告,新开发的人工智能系统可以完成材料参数估计过程,早些时候需要数万小时,利用深度学习的方法。
我们提出了一个新颖的方法如何实现人工智能技术来分析磁系统的属性。我们希望新方法研究物理系统的使用这样的人工智能技术将能够减少实验和理论方面的差距,并将进一步导致扩大人工智能的一个新研究领域称为收敛技术和基础科学研究欧洲杯线上买球。
Hee-young Kwon博士,韩国科学技术学院欧洲杯线上买球
本研究进行科学的资助和ICT (MSIT),作为KIST机构研发项目的一部分,和基础科学研究项目得到教育部的支持。欧洲杯线上买球
期刊引用
Kwon h . Y。等。(2020)磁哈密顿使用深度学习技术参数估计。欧洲杯线上买球科学的进步。doi.org/10.1126/sciadv.abb0872。
来源:https://www.nst.re.kr/nst_en/