إعلان PRIN 2022D. D. N. 104 بتاريخ 2 فبراير 2022
عنوان المشروع: القياس في سبينترونكس: نهج قائم على التعلم الآلي للتحديد الموثوق لتفاعل دزيالوشينسكي-موريا (MetroSpin)
رمز CUP: D53D23002360006
الميزانية: € 77.095
مسؤول الوحدة البحثية: Vito Puliafito
وحدات بحث أخرى أو وحدات فرعية محتملة:
المعهد الوطني لأبحاث القياس في تورينو (الوحدة البحثية للباحث الرئيسي) وجامعة بيروجيا
وصف موجز للمشروع
على الرغم من النمو العلمي والصناعي الكبير لسبينترونكس، بوصفها بديلاً منخفض الاستهلاك للطاقة ومتوافقاً مع تقنية CMOS، فإن الانتشار التجاري لتقنيات سبينترونكس يظل محدوداً بسبب غياب معايير قياس موثوقة لقياس المعلمات الرئيسية للأجهزة.
اقترح المشروع دراسة تطبيقية لتفاعل دزيالوشينسكي-موريا (DMI)، وهو معلمة أساسية لاستقرار البنى المغزلية الكيرالية المستخدمة في الذاكرات والأجهزة المنطقية منخفضة الاستهلاك للطاقة. وبعد دراسات أوروبية سابقة وضعت ممارسات تجريبية جيدة، ظل هناك نقص في نهج إحصائي قادر على تفسير أوجه التباين المتبقية في القياسات.
تمثل الهدف، إذن، في تحليل قابلية تكرار القياسات وإمكانية إعادة إجرائها، وربط تشتت البيانات بالعيوب وعدم التجانس في العينات، وتطوير أساليب للتعلم الآلي لاستخراج DMI من الأنماط المغناطيسية المحاكاة والتجريبية. ويُقيَّم الذكاء الاصطناعي بوصفه أداة قياس محتملة لتحسين موثوقية القياسات، مع آثار محتملة لا تقتصر على سبينترونكس، بل تشمل جميع قطاعات تقنيات النانو التي تواجه مشكلات مماثلة.
الغرض
هدف المشروع إلى تحسين موثوقية القياسات في سبينترونكس عبر نهج إحصائي قائم على التعلم الآلي، مع التركيز بوجه خاص على قياس تفاعل دزيالوشينسكي-موريا (DMI)، وهو معلمة رئيسية للأجهزة المبتكرة في مجال سبينترونكس. وشملت الأنشطة الحد من عدم اليقين والتباينات بين تقنيات القياس المختلفة، وتحليل الأصل الفيزيائي لتشتت البيانات، وتطوير إجراءات آلية للتحليل قائمة على الذكاء الاصطناعي. كما قيّم المشروع إمكانية توسيع نطاق هذه الأساليب لتشمل مجالات أخرى في سبينترونكس وتقنيات النانو.
النتائج المتوقعة
شملت النتائج المتوقعة للمشروع فهماً أفضل للأسباب الفيزيائية والإحصائية الكامنة وراء تشتت قياسات DMI، وتحديد استراتيجيات للحد من عدم اليقين التجريبي وتحسين قابلية تقنيات القياس لإعطاء نتائج قابلة للتكرار، فضلاً عن تطوير أدوات تحليل آلية قائمة على التعلم الآلي. وسعى المشروع أيضاً إلى إثبات إمكانات الذكاء الاصطناعي بوصفه دعماً قياسياً لسبينترونكس، وبصورة أعم، للتطبيقات في تقنيات النانو التي تواجه مشكلات مماثلة تتعلق بموثوقية القياسات.
النتائج المحققة
حقق المشروع بنجاح ثلاثة أهداف رئيسية.
التحديد الدقيق لتفاعل دزيا لوشينسكي–موريا البيني (iDMI). وُضعت إرشادات لتقنيتي القياس الرئيسيتين لـ iDMI: مطيافية برّيلوين للضوء (BLS)، والتمدد غير المتماثل للفقاعات المغناطيسية المقاس باستخدام تأثير كير المغناطيسي البصري (MOKE). وتحدد هذه الإرشادات الجوانب التقنية الأساسية اللازمة للحصول على قياسات دقيقة، وتتضمن دراسات لقابلية إعادة الإنتاج، وتحلل مدى اعتماد النتائج على المعلمات الداخلية والخارجية، وتقارن بين نماذج مختلفة لتقييم iDMI. ويوفر ذلك أداة موثوقة لتقييم جودة الأجهزة السبنترونية وأدائها واستهلاكها للطاقة.
معالجة التباينات بين تقنيات القياس. وباتباع الإرشادات الموضوعة، أمكن خفض عدم اليقين في القياس بدرجة كبيرة في كلتا الطريقتين. وقد عُزي بنجاح التباين الكبير في قيم iDMI الواردة في الأدبيات العلمية إلى وجود التخميد اللولبي (chiral damping)، الذي يؤثر في تقنية تمدد الفقاعات على نحو يختلف عن تأثيره في BLS. وبفضل نموذج طُوّر في المشروع، أمكن الحصول على قيم متسقة لـ iDMI ضمن حدود عدم اليقين التجريبي باستخدام كلتا التقنيتين. وتعزز هذه النتيجة بدرجة كبيرة فهم فيزياء حركة جدران النطاقات في وجود iDMI.
إمكان تطبيق المناهج الإحصائية ودمج الذكاء الاصطناعي. أُثبتت إمكانات استخدام التعلّم الآلي لإجراء تحليلات سريعة وعالية الإنتاجية لـ iDMI، مع مراعاة الجوانب الإحصائية، وذلك من خلال دراسة استندت إلى بيانات اصطناعية تحاكي تقنية تمدد الفقاعات. وقد أثبت النموذج متانته حتى في وجود عيوب مُحاكاة وصور ضبابية. وعند توفر قواعد بيانات مناسبة، يمكن أن يمهّد هذا العمل لتطوير أداة سريعة ومتاحة تستند إلى الذكاء الاصطناعي لتصنيف الأجهزة السبنترونية.
