KI als Game-Changer in der Datenverarbeitung

Einem internationalen Forschungsteam unter der Leitung von Physiker*innen der Universität Wien ist durch den Einsatz von "Inverse-Design" ein Durchbruch in der Datenverarbeitung gelungen. Diese Methode ermöglicht es Algorithmen ein System auf der Grundlage gewünschter Funktionen zu konfigurieren wobei manuelles Design und komplexe Simulationen durch Einsatz von Künstlicher Intelligenz umgangen werden. Das Ergebnis ist ein intelligentes "Universalgerät", das Spinwellen ("Magnonen") nutzt, um mehrere Datenverarbeitungsaufgaben mit außergewöhnlicher Energieeffizienz auszuführen. Diese in Nature Electronics veröffentlichte Innovation stellt einen bahnbrechenden Fortschritt im Bereich unkonventioneller Datenverarbeitung dar und bietet ein erhebliches Potenzial für die nächste Generation von Telekommunikations- Systemen.

Die moderne Elektronik sieht sich kritischen Herausforderungen gegenüber, wie dem hohen Energieverbrauch und der zunehmenden Designkomplexität. In diesem Zusammenhang bietet die Magnonik – die Nutzung von Magnonen oder quantisierten Spinwellen in magnetischen Materialien – eine vielversprechende Alternative. Magnonen ermöglichen einen effizienten Datentransport und eine effiziente Datenverarbeitung bei minimalem Energieverlust. Angesichts der wachsenden Nachfrage nach innovativen Rechenlösungen, die von 5G- und kommenden 6G-Netzen bis hin zu neuromorphem Computing (das Funktionen des Gehirns nachahmt) reichen, stellt die Magnonik einen Paradigmenwechsel dar: Sie definiert die Art und Weise, wie Geräte entworfen und betrieben werden, komplett neu. Andrii Chumak von der Arbeitsgruppe Nanomagnetismus und Magnonik der Universität Wien und seine Kolleg*innen konnten nun einen innovativen magnonischen Prozessor entwickeln, der hochgradig anpassungsfähiges und energieeffizientes Computing ermöglicht.

Noura Zenbaa, Erstautorin der Studie, baute zusammen mit ihren Kollegen um Dieter Süss, Gruppe der Physik der Funktionsmaterialien an der Universität Wien, einen einzigartigen Versuchsaufbau mit 49 individuell gesteuerten Stromschleifen auf einem Yttrium-Eisen-Granat (YIG)-Film. Diese Schleifen erzeugten abstimmbare Magnetfelder zur Steuerung und Manipulation von Magnonen. Mit einem "Inverse-Design"-Ansatz ermöglichte das Team Algorithmen, die optimalen Konfigurationen zu bestimmen, um die gewünschten Gerätefunktionalitäten zu erreichen, und vereinfachte so den Designprozess erheblich. Einer der Algorithmen nutzte maschinelles Lernen, eine Form der künstlichen Intelligenz (KI). Per Definition ist künstliche Intelligenz eine Technologie, die es Computern und Maschinen ermöglicht, menschliches Lernen, Verständnis, Problemlösung, Entscheidungsfindung, Kreativität und Autonomie zu simulieren. Nach mehr als zwei Jahren Entwicklungs- und Testzeit hat das Team viele Herausforderungen gemeistert. "Es war ein harter Weg, aber unglaublich lohnend zu sehen, wie es schlussendlich zu unseren ersten erfolgreichen Messungen kam", sagte Noura Zenbaa. 

Umweltfreundlichere Technologien schaffen

Der Prototyp des Teams hatte zwei Schlüsselfunktionen: Er fungierte als Bandsperrfilter (eine Komponente, die bestimmte Frequenzen blockiert) und als Demultiplexer (ein Gerät, das Signale an verschiedene Ausgänge weiterleitet). Diese Funktionalitäten sind für die drahtlose Kommunikation der nächsten Generation wie 5G und 6G von entscheidender Bedeutung. Im Gegensatz zu herkömmlichen Systemen, die maßgeschneiderte Komponenten erfordern, kann diese vielseitige Hardware für verschiedene Anwendungen angepasst werden, wodurch Komplexität, Kosten und Energieverbrauch reduziert werden. Laufende Forschungsarbeiten zeigen, dass das Gerät auch alle logischen Operationen mit Binärdaten ausführen kann und bei entsprechender Skalierung mit herkömmlichen Computern konkurrieren könnte.

Das Team plant, diese Technologie in neuromorphe Computer und andere fortschrittliche Systeme zu integrieren. Der aktuelle Prototyp ist zwar groß und energieintensiv, doch eine Verkleinerung auf unter 100 Nanometer könnte eine außergewöhnliche Effizienz ermöglichen, den Weg für eine energiesparende, universelle Datenverarbeitung ebnen und Lösungen für umweltfreundlichere Computertechnologien schaffen. "Dieses Projekt war ein kühnes Unterfangen mit vielen Unbekannten", so Andrii Chumak, leitender Autor der Studie. "Doch unsere ersten Messungen bestätigten die Machbarkeit – dieses Konzept funktioniert. Unsere Ergebnisse zeigen, wie künstliche Intelligenz das Gebiet der Physik verändert, ähnlich wie ChatGPT das Schreiben von Texten und die Lehre neu gestaltet."

Originalpublikation

Noura Zenbaa, Claas Albert, Fabian Majcen, Michael Kerber, Rostyslav O. Serha, Sebastian Knauer, Qi Wang, Thomas Schrefl, Dieter Suess, Andrii V. Chumak. A universal inverse-design magnonic device. 

In Nature Electronics

DOI 10.1038/s41928-024-01333-7

Abbildungen 

Abb. 1: Experimenteller Aufbau mit inversem Design, bestehend aus dem Gerät selbst, das zwischen den Polschuhen eines Elektromagneten montiert ist, einem Vektornetzwerkanalysator (VNA), den fünf Mehrkanal-Stromquellen, weiteren Komponenten und einem PC, mit dem die Algorithmen zur Lösung des inversen Problems ausgeführt werden. C: Noura Zenbaa, NanoMag, U of Vienna

Abb. 2: Experimenteller Aufbau mit inversem Design. Komponente 1 - Universelles inverses-Design-Gerät; Komponente 2 - Elektromagnet zur Erzeugung eines Magnetfelds; Komponente 3 - Teslameter zur Messung des Magnetfelds; Komponente 4 - Vektornetzwerkanalysator (VNA), der als Mikrowellenquelle und -detektor dient; Komponente 6 - Mehrkanal-Stromquellen; und Komponente 7 - PC zur Automatisierung des Aufbaus und des Optimierungsprozesses. C: Noura Zenbaa, NanoMag, U of Vienna

Abb. 3: Die drei Erstautoren des Papiers – Noura Zenbaa (rechts), Claas Abert (links) und Fabian Majcen (Mitte) – in dem Moment, als das universelle magnonische Gerät mit inversem Design aktiviert wurde, um sein erstes Problem zu lösen. C: Andrii Chumak, NanoMag, U of Vienna

Abb. 4: Der Versuchsaufbau. Das rekonfigurierbare inverse Design-Gerät besteht aus einer 7×7 omegaförmigen Schleifenanordnung, die auf einem magnetischen Film aufliegt. Die Abbildung zeigt die lokale Magnetfeldverteilung auf dem Film, dargestellt in Rot (Filmoberseite) und Blau (Filmunterseite), die durch den an die Schleifen angelegten Strom für beide Strompolaritäten erzeugt wird. Der Aufbau umfasst einen Vektor-Netzwerkanalysator (VNA) in Kombination mit einem Leistungsteiler und zwei Schaltern. C: Noura Zenbaa, NanoMag, U of Vienna