.
Como a eletrônica ou a fotônica, a magnônica é um subcampo da engenharia que visa o avanço das tecnologias da informação no que diz respeito à velocidade, arquitetura do dispositivo e consumo de energia. Um magnon corresponde à quantidade específica de energia necessária para alterar a magnetização de um material por meio de uma excitação coletiva chamada onda de spin.
Por interagirem com campos magnéticos, os magnons podem ser usados para codificar e transportar dados sem fluxos de elétrons, que envolvem perda de energia por aquecimento (conhecido como aquecimento Joule) do condutor usado. Como explica Dirk Grundler, chefe do Laboratório de Materiais Magnéticos e Magnônicos em Nanoescala (LMGN) da Escola de Engenharia, as perdas de energia são uma barreira cada vez mais séria para a eletrônica, à medida que as velocidades de dados e as demandas de armazenamento disparam.
“Com o advento da IA, o uso da tecnologia de computação aumentou tanto que o consumo de energia ameaça seu desenvolvimento”, diz Grundler. “Uma questão importante é a arquitetura de computação tradicional, que separa processadores e memória. As conversões de sinal envolvidas na movimentação de dados entre diferentes componentes tornam a computação lenta e desperdiçam energia.”
Essa ineficiência, conhecida como parede de memória ou gargalo de Von Neumann, tem feito com que os pesquisadores busquem novas arquiteturas de computação que possam atender melhor às demandas de big data. E agora, Grundler acredita que seu laboratório pode ter tropeçado em tal “santo graal”.
Ao fazer outros experimentos em uma bolacha comercial do isolador ferrimagnético ítrio-ferro granada (YIG) com tiras nanomagnéticas em sua superfície, o estudante de doutorado da LMGN Korbinian Baumgaertl foi inspirado a desenvolver dispositivos nanomagnéticos YIG projetados com precisão. Com o apoio do Centro de MicroNanoTechnology, Baumgaertl foi capaz de excitar ondas de spin no YIG em frequências específicas de gigahertz usando sinais de radiofrequência e – crucialmente – reverter a magnetização dos nanoímãs de superfície.
“As duas orientações possíveis desses nanoímãs representam os estados magnéticos 0 e 1, o que permite que a informação digital seja codificada e armazenada”, explica Grundler.
Uma rota para computação na memória
Os cientistas fizeram sua descoberta usando um analisador de rede vetorial convencional, que enviou uma onda de rotação através do dispositivo nanomagnético YIG. A reversão do nanoímã acontecia apenas quando a onda de rotação atingia uma certa amplitude e podia então ser usada para escrever e ler dados.
“Agora podemos mostrar que as mesmas ondas que usamos para processamento de dados podem ser usadas para mudar as nanoestruturas magnéticas para que também tenhamos armazenamento magnético não volátil dentro do mesmo sistema”, explica Grundler, acrescentando que “não volátil” refere-se ao armazenamento estável de dados durante longos períodos de tempo sem consumo adicional de energia.
É essa capacidade de processar e armazenar dados no mesmo local que dá à técnica seu potencial para mudar o atual paradigma de arquitetura de computação, pondo fim à separação ineficiente de energia de processadores e armazenamento de memória e alcançando o que é conhecido como in-memory computação.
Otimização no horizonte
Baumgaertl e Grundler publicaram os resultados inovadores na revista Natureza Comunicaçõese a equipe LMGN já está trabalhando para otimizar sua abordagem.
“Agora que mostramos que as ondas de spin gravam dados trocando os nanoímãs dos estados 0 para 1, precisamos trabalhar em um processo para trocá-los novamente – isso é conhecido como comutação de alternância”, diz Grundler.
Ele também observa que, teoricamente, a abordagem magnônica poderia processar dados na faixa de terahertz do espectro eletromagnético (para comparação, os computadores atuais funcionam na faixa de gigahertz mais lenta). No entanto, eles ainda precisam demonstrar isso experimentalmente.
“A promessa desta tecnologia para uma computação mais sustentável é enorme. Com esta publicação, esperamos reforçar o interesse na computação baseada em ondas e atrair mais jovens pesquisadores para o crescente campo da magnônica.”
.
