AI算法新技术：让存储器能耗直降数千倍！

人工智能正在以前所未有的速度吞噬数据与电力。每一次搜索、推荐、图像生成或大模型推理，都依赖海量数据的反复读写，而存储操作的能耗已在全球数据中心账单上占据惊人份额。面对这一瓶颈，爱丁堡大学研究团队近日提出一项突破性数学方案——不依赖新材料，不改变存储介质，仅通过“智能调控”磁场脉冲波形，即可将磁性存储器写入能耗降低数千倍，最快切换速度达到皮秒级，且所需磁场强度比传统方法弱十倍以上。

实际上，磁性存储器通过翻转微小磁区的方向来记录“0”或“1”，这一翻转过程的速度与耗能直接决定了整体能效。传统方案要么依赖强磁场脉冲，要么采用电流驱动的自旋转移力矩（STT‑MRAM）或自旋轨道力矩（SOT‑MRAM），但这些方法在极小尺度下要么难以精准聚焦，要么随器件缩小而效率骤降。爱丁堡团队另辟蹊径，引入最优控制理论——这是一种数学工具，用于在复杂能量景观中寻找“最省力路径”。他们不施加固定波形的粗暴脉冲，而是让磁场强度随时间动态演化，顺着磁体自身的自然运动惯性，将磁化方向“引导”至目标状态，而非“推”过去。

在针对三种超薄范德瓦尔斯磁体（Fe₃GaTe₂、Fe₃GeTe₂、CrSBr）的计算机模拟中，优化后的脉冲可在1至10皮秒（万亿分之一秒）内完成翻转，而所需磁场强度仅为传统方法的十分之一。在特定条件下，单次写入能耗低至0.94纳焦，传统脉冲则高达91.2纳焦，差距近百倍；而通过进一步调节磁阻尼与各向异性参数，理论预测能耗可降至飞焦耳（千万亿分之一焦耳）级别，足以与乃至超越当前最先进的STT和SOT技术。更广泛的建模表明，该方案相较DRAM、STT-MRAM及新兴SOT-MRAM，整体能耗可降低数个数量级，并使磁性存储逼近朗道尔极限——这是信息不可逆擦除时所需最小热力学能耗的物理边界，代表着计算能效的终极天花板。

这项发表于《先进材料》（Advanced Materials）的新研究不仅提供了具体可行的器件设计参数，还指出该数学框架远超磁场范畴，同样适用于优化电流驱动和超快激光脉冲，为未来自旋电子学和混合型存储器件开辟了通用优化路径。研究负责人、爱丁堡大学凝聚态物理与复杂系统研究所的埃尔顿·桑托斯博士表示：“每次数字运算都消耗能量，而AI的扩张正让这一问题愈发尖锐。我们证明，通过精心设计磁场随时间的变化，切换效率可以远高于粗暴的传统方法。”他补充道，即便最初从磁场切入，该理论同样能驾驭电流与激光——这些恰恰是存储技术最前沿的操控手段，“我们或许刚刚发现了下一个重大突破。”
这一进展若经进一步实验验证，有望在不改变现有材料体系的前提下，为AI算力暴涨时代的能耗困局提供一条立即可行的救赎之路。
热门微博 科学新闻 人工智能