حافظههای نوین مغناطیسی SOT-MRAM؛ سرعت فوقالعاده با مصرف برق ناچیز
امروزه فیزیک اسپینترونیک با حافظههای SOT-MRAM دیوار سخت فوننویمان را در هم شکسته است؛ حافظههای مغناطیسی غیرفراری که با سرعتی همتراز با کش SRAM، مصرف برق تراشهها را تا ۹۰ درصد کاهش میدهند.

- واکاوی جامع پیشرفتهای شگفتانگیز فیزیک اسپینترونیک و تجاریسازی حافظههای Spin-Orbit Torque MRAM امروزه تحلیل سازوکار اتصال تونلی مغناطیسی (MTJ) سهپایانه، حذف جریان نشت انرژی در حالت استندبای، دستیابی به سرعت دسترسی زیر ۱ نانواثانیه همپای حافظههای SRAM، و پیادهسازی معماری محاسبات درونحافظهای (Compute-in-Memory) برای شتاببخشی پردازش مدلهای هوش مصنوعی در مقیاس اگزااسکیل.
- بررسی جامع ابعاد فنی و کاربردی توسط تحریریه ماگ بیت.
- پیشبینی اثرات کوتاهمدت و بلندمدت بر اکوسیستم فناوری.
دیوار حافظه و بنبست فوننویمان؛ بحران اتلاف انرژی در مراکز داده
برای بیش از هفت دهه، رایانهها بر اساس معماری بنیادین جان فوننویمان ساخته شدهاند: واحد پردازش مرکزی (CPU/GPU) دادهها را از طریق گذرگاههای فیزیکی سیمکشیشده از حافظه رم (DRAM) یا کش (SRAM) فراخوانی میکند، عملیات محاسباتی را انجام میدهد و سپس نتایج را مجدداً به حافظه بازمیگرداند. با انفجار تقاضا برای آموزش و استنتاج مدلهای چندصد میلیارد پارامتری هوش مصنوعی، این معماری با دیواری غیرقابل عبور به نام «دیوار حافظه» (Memory Wall) مواجه شد.
در تراشههای مدرن، بیش از ۷۰ درصد از کل انرژی الکتریکی مصرفی نه صرف انجام محاسبات ریاضی ضرب ماتریسی، بلکه صرف انتقال رفتوبرگشت بایتهای داده در میان خازنهای DRAM و رجیسترهای پردازنده میشود. از سوی دیگر، حافظههای فوقسریع کش SRAM که درون خود تراشه قرار دارند، فرار (Volatile) هستند و حتی زمانی که هیچ کاری انجام نمیدهند، به دلیل جریان نشتی ترانزیستورها در گرههای زیر ۳ نانومتر، مقادیر فاجعهباری انرژی را به حرارت اتلافی تبدیل میکنند.
همانطور که در واکاوی باتریهای اتمی میکرو با نیمهرسانای الماس و نیکل-۶۳ دیدیم که تأمین پایدار انرژی نیازمند بازطراحی در مقیاس کوانتومی و هستهای است، در مهندسی پردازش نیز نیاز به مادهای نوین بود که دادهها را بدون نیاز به جریان مداوم برق، در گشتاور مغناطیسی اسپین الکترونها جاودانه سازد.
جهش از STT به SOT؛ کالبدشناسی پیوندگاه تونلزنی مغناطیسی سهپایانه
فناوری حافظههای رم مغناطیسی (MRAM) سالهاست که در آزمایشگاهها مطالعه میشود. نسل پیشین این فناوری موسوم به STT-MRAM (Spin-Transfer Torque) متکی بر عبور دادن جریانهای پرچگالی از میان لایه فوقالعاده باریک عایق اکسید منیزیم (MgO Tunnel Barrier) بود تا قطبیت لایه آزاد مغناطیسی را تغییر دهد. این جریان سنگین باعث شکست دیالکتریک و فرسایش سریع سلولهای حافظه پس از چند میلیارد چرخه خواندن و نوشتن میشد.
اما امروزه شرکتهای پیشرو نیمهرسانا با دستیابی به فرآیند تولید انبوه حافظههای «گشتاور مدار-اسپین» (Spin-Orbit Torque MRAM یا SOT-MRAM) در گره لیتوگرافی ۲ نانومتری، این چالش را برای همیشه برطرف کردند. در سلولهای SOT-MRAM، مسیر خواندن از مسیر نوشتن کاملاً مجزا شده است (طراحی ۳ ترمیناله).
جریان نوشتن به صورت موازی از یک لایه فلز سنگین با جفتشدگی مداری-اسپینی قوی (مانند پلاتین، تنگستن بتا یا فلزات تپولوژیک نظیر بزموت-سلنید) عبور میکند. به واسطه پدیده فیزیکی «اثر هال اسپینی» (Spin Hall Effect)، جریانی خالص از اسپینهای الکترونی به لایه فرومغناطیسی مجاور تزریق میشود و قطبیت آن را در کمتر از ۳۰۰ پیکوثانیه (۰.۳ نانواثانیه) برعکس میکند، بدون اینکه حتی یک میکروآمپر جریان مخرب از لایه عایق تونلزنی عبور کند.

محاسبات درونحافظهای (Compute-in-Memory)؛ وقتی حافظه خود پردازنده میشود
بزرگترین پیامد ظهور SOT-MRAM، امکانپذیر شدن پارادایم انقلابی «محاسبات درونحافظهای» (Compute-in-Memory یا CiM) است. به جای اینکه ماتریسهای وزن شبکههای عصبی از حافظه خوانده شده و به واحدهای محاسباتی تانسوری فرستاده شوند، ماتریسهای SOT-MRAM به گونهای آرایش مییابند که عملیات جبر خطی و ضرب داخلی ماتریس-بردار (GEMM) مستقیماً درون آرایه حافظه و با استفاده از قوانین پایهای فیزیک جریان و مقاومت (قانون اهم و قوانین کیرشهف) در کسری از نانوثانیه انجام پذیرد.
ولتاژهای ورودی به عنوان خطوط سطر (Wordlines) اعمال میشوند و حاصلضرب ولتاژ در رسانایی مغناطیسی سلولها به عنوان جریان برآیند در خطوط ستون (Bitlines) با سرعت نور جمع میگردد. مبدلهای آنالوگ به دیجیتال فوقسریع لبه، خروجی ماتریسی را مستقیماً به لایههای بعدی تحویل میدهند.
این ساختار پردازشی موازی بدون جابهجایی داده، کارایی الگوریتمهای مدرن را به اوج میرساند؛ همانطور که در نرمافزار با موتورهای تحلیلی نهفته با Apache DataFusion و پردازش برداری SIMD انتقالهای کپی داده به صفر رسید، در سختافزار نیز CiM تمام مسیرهای فیزیکی سیمهای طویل پردازنده را دور میزند.
ادغام در تراشههای لبه و مدلهای تجسمیافته؛ بازده انرژی ۱۰ برابری
بهرهوری خارقالعاده حافظههای SOT-MRAM، بیشترین تأثیر را در سیستمهای لبه و پردازندههای تعبیهشده (Embedded SoCs) بر جای گذاشته است. از آنجا که SOT-MRAM کاملاً غیرفرار (Non-Volatile) است، هنگامی که دستگاه هوشمند یا سنسور به خواب میرود، جریان برق سلولهای حافظه میتواند کاملاً قطع شود (Zero Standby Power)، در حالی که محتوای آن برای دههها دستنخورده باقی میماند و با برقراری مجدد ولتاژ در کمتر از ۱ نانوثانیه بازیابی میشود.
این ویژگی شگفتانگیز برای سامانههای بلادرنگ حیاتی است؛ به عنوان نمونه در پیادهسازی مدلهای بینایی-زبانی-اقدامی VLA و استنتاج کممصرف لبه بر روی رباتها، استفاده از کشهای SOT-MRAM سبب شده تا حرارت تولیدی مفاصل ربات و مصرف باتری تا ۷۵ درصد افت کند و نیازی به فنهای خنککننده پر سر و صدا نباشد.
علاوه بر این، مقاومت ذاتی حافظههای اسپینترونیک در برابر تشعشعات یونیزان کیهانی و پدیده پرش تکبیتی (Single Event Upset)، این چیپها را به گزینهای بیرقیب برای فضاپیماهای اعماق منظومه شمسی و تجهیزات زیستپزشکی پوشیدنی تبدیل کرده است؛ پدیدهای که در ترکیب با برچسبهای زیستی ریزسیالاتی اپیدرمال و حسگرهای عرق پوست امکان ضبط مداوم دادههای متابولیک بیمار را برای ماهها بدون نگرانی از خالی شدن باتری تضمین مینماید.
نقشه راه تجاریسازی نیمهرساناها؛ آینده اسپینترونیک فراتر از سیلیکون
کنسرسیومهای بزرگ صنعت نیمهرسانا از جمله TSMC، سامسونگ فاندری و اینتل در گزارشهای دوران کنونی خود اعلام کردهاند که خطوط تولید انبوه ماژولهای امبدد SOT-MRAM با بازده تولید (Yield) بالای ۹۴ درصد وارد فاز تجاری شدهاند. انتظار میرود از سال ۲۰۲۷، حافظههای سنتی کش L3 و L4 در پردازندههای سرور و گوشیهای هوشمند جای خود را به آرایههای اسپینترونیک بسپارند.
در گام بعدی پژوهشهای فیزیک ماده چگال، محققان در حال مطالعه پیوندگاههای مبتنی بر آنتیفرومغناطیسها (Antiferromagnetic Spintronics) و عایقهای توپولوژیک دوبعدی هستند که میتوانند فرکانس سوییچینگ حافظه را به قلمرو تراهرتز (پیکوثانیههای منفرد) وارد کنند.
پایان سلطه معماری فوننویمان دیگر یک فرضیه دوردست دانشگاهی نیست؛ انقلاب اسپینترونیک دوران کنونی نشان داد که با مهار فیزیک کوانتومی اسپین الکترون، میتوان محاسبات هوش مصنوعی را با راندمانی نزدیک به مغز انسان (مصرف توان در حد چند ده وات) در ابعاد نانومتری محقق ساخت.
بیشتر از علم و فضا



