相信對(duì)大多數(shù)人來說，半導(dǎo)體不是一個(gè)陌生的名詞。它是集成電路和芯片制造*重要的基礎(chǔ)材料，從電腦手機(jī)到自動(dòng)駕駛汽車，半導(dǎo)體無處不在�；仡欉^去的二三十年，從九十年代重量超過一公斤，且僅能打電話的大磚頭手機(jī)，到現(xiàn)在一二百克，功能豐富的智能手機(jī)，半導(dǎo)體的發(fā)展可以說是日新月異。但是*近兩年，以英特爾為首的半導(dǎo)體廠商卻開始放慢了制程的升級(jí)迭代之路。目前，半導(dǎo)體制造商*先進(jìn)的半導(dǎo)體制程已經(jīng)達(dá)到了7nm、5nm，但這幾乎已經(jīng)無限接近硅材料的物理極限�？雌饋�，半導(dǎo)體新材料的研發(fā)似乎是能保持未來科技發(fā)展的*解決方案了。而人工智能，又能在其中發(fā)揮怎樣的作用呢？

01 磁性材料的發(fā)現(xiàn)

2020年初，韓國科學(xué)技術(shù)研究院(KIST，院長李秉權(quán))的Chaun Jang博士、Jun Woo Choi博士和Hyejin Ryu博士宣布，他們?cè)贙IST自旋電子學(xué)中心的團(tuán)隊(duì)與基礎(chǔ)科學(xué)研究所(IBS)的Se Young Park博士及其相關(guān)電子系統(tǒng)中心的團(tuán)隊(duì)在聯(lián)合研究項(xiàng)目中成功控制了FGT(Fe3GeTe2)的磁性。Fe3GeTe2作為下一代自旋電子半導(dǎo)體的材料開始受到業(yè)界廣泛關(guān)注。

將“自旋”和“電子”結(jié)合起來命名的“自旋電子學(xué)”是電子工程領(lǐng)域的一個(gè)新領(lǐng)域，其目的是利用電子的量子特性--電子自旋來取代傳統(tǒng)的硅半導(dǎo)體。

（A）數(shù)據(jù)生成過程，顯示通過模擬退火過程生成的采樣自旋配置。色輪表示平面內(nèi)磁化方向，而灰度表示平面外磁化方向。（B和C）本研究中使用的培訓(xùn)和測試過程。（D）通過實(shí)驗(yàn)觀察到的磁疇圖像進(jìn)行的附加驗(yàn)證過程。

范德華材料又稱二維(2-D)材料，是由通過弱范德華相互作用而相互連接的平面層狀材料。其中包括各種材料，如石墨烯和二硫化鉬。當(dāng)它們與其他二維材料結(jié)合在一起時(shí)，又可以創(chuàng)造出新的材料，顯示出以前未被發(fā)現(xiàn)的特性。這就是為什么具有超導(dǎo)性、半導(dǎo)性和金屬性等多種特性的二維材料成為眾多研究的對(duì)象。

2017年，顯示磁性的二維范德華材料被發(fā)現(xiàn)，刺激了世界各地的研究項(xiàng)目和研究。然而，大多數(shù)范德瓦爾斯磁性材料在自旋電子學(xué)應(yīng)用方面有一定的限制，因?yàn)樗鼈兊木永餃囟鹊停ㄨF磁材料轉(zhuǎn)變?yōu)轫槾判圆牧系倪^渡溫度點(diǎn)，反之亦然）和矯頑力高（鐵磁材料磁性飽和后，將該材料的磁通密度降為零所需的磁場強(qiáng)度），不適合用于某些器件。

新材料的發(fā)現(xiàn)和探索，需要大量的實(shí)驗(yàn)。以前，為了更準(zhǔn)確、更深入地了解磁性材料的特性，人們會(huì)通過各種實(shí)驗(yàn)直接測量磁性漢密爾頓參數(shù)，這樣的過程往往會(huì)耗費(fèi)許多時(shí)間和資源。因此，對(duì)這種磁性材料的研究進(jìn)展是非常緩慢的。

02 人工智能提速

為了克服這些限制，韓國的研究人員開發(fā)了一種人工智能（AI）系統(tǒng)，可以在瞬間分析磁系統(tǒng)。韓國科學(xué)技術(shù)研究院（KIST）報(bào)告稱，由自旋融合研究中心的權(quán)熙榮博士和崔俊宇博士以及慶熙大學(xué)的Changyeon Won教授領(lǐng)導(dǎo)的合作研究小組開發(fā)了一種利用AI技術(shù)從自旋結(jié)構(gòu)圖像中估計(jì)磁哈密頓參數(shù)的技術(shù)。

他們構(gòu)建了一個(gè)深度神經(jīng)網(wǎng)絡(luò)，并用深度學(xué)習(xí)算法和現(xiàn)有的磁域圖像對(duì)其進(jìn)行訓(xùn)練。結(jié)果，通過輸入從電子顯微鏡獲得的自旋結(jié)構(gòu)圖像，可以實(shí)時(shí)估算出磁漢密爾頓參數(shù)。通過改變磁性哈密頓量參數(shù)值，借助蒙特卡洛方法通過模擬退火過程生成了約80,000個(gè)自旋構(gòu)型。在生成的數(shù)據(jù)集中考慮了實(shí)驗(yàn)數(shù)據(jù)中不可避免的噪聲影響。注入噪聲的數(shù)據(jù)集用于訓(xùn)練，驗(yàn)證和測試幾種神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。該測試證明了應(yīng)用深度學(xué)習(xí)方法從實(shí)驗(yàn)觀察到的圖像確定電磁相互作用強(qiáng)度的有效性。

此外，與實(shí)驗(yàn)研究的參數(shù)值相比，該AI系統(tǒng)的估計(jì)誤差小于1%，表明估計(jì)精度極高。據(jù)研究團(tuán)隊(duì)介紹，他們所開發(fā)的人工智能系統(tǒng)能夠利用深度學(xué)習(xí)技術(shù)，瞬間完成以往需要長達(dá)數(shù)十小時(shí)的材料參數(shù)估算過程。

“我們提出了一種關(guān)于如何實(shí)施AI技術(shù)來分析磁性系統(tǒng)特性的新方法”，KIST的Hee-young Kwon博士說�！拔覀兤谕�利用這種AI技術(shù)研究物理系統(tǒng)的新方法能夠縮小實(shí)驗(yàn)和理論方面的差距，并進(jìn)一步促成拓展AI技術(shù)和基礎(chǔ)科學(xué)研究融合的新研究領(lǐng)域�！�