在当前快速发展的人工智能领域，一种名为自旋波储能的技术正逐渐受到科学家的关注。与其他人工神经网络相比，自旋波储能芯片凭借其独特的物理储藏池在高效处理输入数据方面展现出非凡的优势。自旋波，一种由电子自旋驱动、在材料中传播的波动扰动，可通过电子自旋与电气度的耦合作用，实现电－自旋转换。这一技术的应用预计将对从生物医学成像到自动驾驶汽车等领域产生重大影响。

最近，研究团队开发的自旋波储能芯片在测试中展现了电信号到自旋波的高效转换能力，验证了其作为一种实用技术的可行性。这种设备利用一个磁场源产生四个独立的磁场输出，并通过物理储藏池实现复杂数学任务的简化。这些结果已经在《物理评论应用》杂志上发表，为自旋波储能芯片的实用化迈出了重要一步。

研究中使用了一种易于磁化的金属合金薄膜作为物理储藏池，这种材料具有长时间保持磁化的特性。自旋波通过磁场激发并通过天线检测，这些天线的检测反馈证实了自旋波储能芯片在提升学习准确性和增强短期记忆方面的有效性。

该项技术的一个关键突破在于，它无需使用虚拟节点即可评估外部磁场，这一点在提升非线性处理能力方面尤为关键。此外，研究人员指出，“设备的记忆保持能力可追溯至短期记忆任务的前一步，同时证实了Huygens缝隙诱导的自旋波干涉在增强非线性方面的有效性。”

尽管这是首个可用于实际装置的原型，并且在低激发水平下的性能可能受到限制，但在短期记忆和错误纠正任务中，自旋波储能芯片的表现仍然优于其他物理储藏池。

研究团队表示，他们的最终目标是利用自旋波储能芯片建立边缘计算技术，并期待这一技术能广泛应用于包括生物医学成像和自动驾驶汽车在内的多个领域。这一技术的成功开发，预示着实用化不再遥远。

研究参与者包括横滨国立大学工学研究科的长谷匠和根津祥纪，以及横滨国立大学高等科学研究院、多学科科学研究院和工学部的关口宽治。该研究得到了科学研究补助金和日本学术振兴会的支持。

Intel Core i7 - 计算机处理
NVIDIA GeForce GTX - 图形处理
Qualcomm Snapdragon - 移动通信
IBM Quantum Hummingbird - 量子计算
AMD Ryzen - 高性能计算
Samsung Exynos - 智能手机处理