近年社会におけるAI技術を用いた情報処理の需要は急速に増加しています。現在は、ニューラルネットワークによる情報処理の計算を、電子計算機上で膨大な数のCPU（中央演算処理装置）やGPU（画像処理装置）を用いることによって行っているため、高い消費電力が問題となっています。一方、人間は低消費電力で情報処理を行っていることから、リザバー計算や量子計算技術など、従来とは異なる概念に基づいた科学技術による情報処理の研究が世界各国で進んでいます。

東北大学材料科学高等研究所（WPI-AIMR）兼産業技術総合研究所 産総研・東北大 数理先端材料モデリングオープンイノベーションラボラトリ 副ラボ長の義永那津人准教授は、同大学学際科学フロンティア研究所の飯浜賢志助教（TI-FRISフェロー）、WPI-AIMR兼同大学先端スピントロニクス研究開発センターの水上成美教授、同大学大学院工学研究科の小池雄也大学院生（研究当時）とともに、強磁性体薄膜中のスピン波を用いて従来のリザバー計算機よりも低消費電力で高い学習性能が期待される物理リザバー計算を実行できる装置を実現するための機構を解明しました。

スピン波を情報の担体とするAIハードウェアの研究が世界的に進展しており、ナノメートル、ギガヘルツかつ高エネルギー効率で高い学習性能を実現することは重要な課題の一つです。本研究グループでは、金属ナノ薄膜の強磁性体中を伝わるスピン波を研究しました。時系列データに比例した大きさで磁性体の入力ノードの位置を励起することでスピン波を発生させ、伝播したスピン波を出力ノードの位置で読み出すことで、短期記憶と非線形変換能力を持った学習やカオス時系列の予測が可能であることを示しました。また、数理的な解析によって学習性能を最適にするスピン波の速度と素子のサイズとの関係を明らかにしました。本結果は、磁気ナノテクノロジーを用いた低消費電力な情報処理素子の開発に新しい視点を与えるものです。

図：磁性体薄膜のスピンの波を利用したAIハードウェア応用、物理リザバー計算の模式図。時系列の情報処理を行うことができるデバイスで、入力時系列を出力時系列に変換することによって、入力時系列の将来のデータを予測したり、過去のデータを記憶して読み出したりすることができる。入力時系列は、物理リザバー内の物理ノード（上図の黄色点、下図の青の円筒）のダイナミックスを励起し、その時間変化を読み出すことで出力時系列を得る。スピン波によりリザバー計算では、入力時系列に比例した電流を物理ノードに流すことによってスピン波を励起させる。このスピン波の伝播を利用して学習を行う。スピン波を使うことでナノスケールの高性能リザバー計算機を実現できる。

本研究は2024年3月1日（英国時間）に、スピントロニクス分野の専門誌『npj Spintronics』の電子版に掲載されました。

論文情報：

タイトル：Universal scaling between wave speed and size enables nanoscale high-performance reservoir computing based on propagating spin-waves

著者：S. Iihama, Y. Koike, S. Mizukami, and N. Yoshinaga

*責任著者：東北大学材料科学高等研究所 准教授 義永那津人

掲載誌：npj Spintronics

DOI: 10.1038/s44306-024-00008-5

https://doi.org/10.1038/s44306-024-00008-5