基于闭环超临磁隧道结的可靠真随机数与生成式人工智能
材料科学
2024-09-17 v2 新兴技术
摘要
表现出低能耗和高器件密度的随机功能的物理器件具有潜在的复杂概率计算算法、加速机器学习任务和提升硬件安全性的前景。最近，超临磁隧道结 (sMTJ) 被广泛探索用于此类目的，导致sMTJ-based 系统的开发；然而，依赖纳米尺度磁性材料的做法限制了可扩展性和可靠性，使sMTJ 对外部扰动敏感且易产生显著器件变异。本文展示了闭环三端sMTJ 在无场场 (field-free) 条件下作为可靠且潜在可扩展的真随机数来源的实验演示。通过利用双电流可控性并引入反馈，我们稳定了超临磁体的开关操作，达到密码学质量的随机比特流。可控且稳健的真随机sMTJ 构成了利用物理世界随机性进行计算的通用硬件平台，我们的实验中还演示了生成式人工智能的应用。
引用
@article{arxiv.2407.08665,
title = {Closed Loop Superparamagnetic Tunnel Junctions for Reliable True Randomness and Generative Artificial Intelligence},
author = {Dooyong Koh and Qiuyuan Wang and Brooke C. McGoldrick and Chung-Tao Chou and Luqiao Liu and Marc A. Baldo},
journal= {arXiv preprint arXiv:2407.08665},
year = {2024}
}