SE530367C2 - Metod och arrangemang för en associativ minnesanordning baserad på en ferrofluid - Google Patents

Metod och arrangemang för en associativ minnesanordning baserad på en ferrofluid

Info

Publication number
SE530367C2
SE530367C2 SE0502408A SE0502408A SE530367C2 SE 530367 C2 SE530367 C2 SE 530367C2 SE 0502408 A SE0502408 A SE 0502408A SE 0502408 A SE0502408 A SE 0502408A SE 530367 C2 SE530367 C2 SE 530367C2
Authority
SE
Sweden
Prior art keywords
memory device
associative memory
ferrous
magnetic
pattern
Prior art date
Application number
SE0502408A
Other languages
English (en)
Other versions
SE0502408L (sv
Inventor
Vladislav Korenivski
Original Assignee
Vladislav Korenivski
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Vladislav Korenivski filed Critical Vladislav Korenivski
Priority to SE0502408A priority Critical patent/SE530367C2/sv
Priority to US12/091,829 priority patent/US7751220B2/en
Priority to PCT/SE2006/050435 priority patent/WO2007050035A1/en
Publication of SE0502408L publication Critical patent/SE0502408L/sv
Publication of SE530367C2 publication Critical patent/SE530367C2/sv

Links

Classifications

    • GPHYSICS
    • G11INFORMATION STORAGE
    • G11CSTATIC STORES
    • G11C15/00Digital stores in which information comprising one or more characteristic parts is written into the store and in which information is read-out by searching for one or more of these characteristic parts, i.e. associative or content-addressed stores
    • G11C15/02Digital stores in which information comprising one or more characteristic parts is written into the store and in which information is read-out by searching for one or more of these characteristic parts, i.e. associative or content-addressed stores using magnetic elements
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B82NANOTECHNOLOGY
    • B82YSPECIFIC USES OR APPLICATIONS OF NANOSTRUCTURES; MEASUREMENT OR ANALYSIS OF NANOSTRUCTURES; MANUFACTURE OR TREATMENT OF NANOSTRUCTURES
    • B82Y10/00Nanotechnology for information processing, storage or transmission, e.g. quantum computing or single electron logic
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B82NANOTECHNOLOGY
    • B82YSPECIFIC USES OR APPLICATIONS OF NANOSTRUCTURES; MEASUREMENT OR ANALYSIS OF NANOSTRUCTURES; MANUFACTURE OR TREATMENT OF NANOSTRUCTURES
    • B82Y30/00Nanotechnology for materials or surface science, e.g. nanocomposites
    • GPHYSICS
    • G11INFORMATION STORAGE
    • G11CSTATIC STORES
    • G11C11/00Digital stores characterised by the use of particular electric or magnetic storage elements; Storage elements therefor
    • G11C11/02Digital stores characterised by the use of particular electric or magnetic storage elements; Storage elements therefor using magnetic elements
    • G11C11/14Digital stores characterised by the use of particular electric or magnetic storage elements; Storage elements therefor using magnetic elements using thin-film elements
    • G11C11/15Digital stores characterised by the use of particular electric or magnetic storage elements; Storage elements therefor using magnetic elements using thin-film elements using multiple magnetic layers
    • GPHYSICS
    • G11INFORMATION STORAGE
    • G11CSTATIC STORES
    • G11C11/00Digital stores characterised by the use of particular electric or magnetic storage elements; Storage elements therefor
    • G11C11/02Digital stores characterised by the use of particular electric or magnetic storage elements; Storage elements therefor using magnetic elements
    • G11C11/16Digital stores characterised by the use of particular electric or magnetic storage elements; Storage elements therefor using magnetic elements using elements in which the storage effect is based on magnetic spin effect
    • GPHYSICS
    • G11INFORMATION STORAGE
    • G11CSTATIC STORES
    • G11C15/00Digital stores in which information comprising one or more characteristic parts is written into the store and in which information is read-out by searching for one or more of these characteristic parts, i.e. associative or content-addressed stores
    • G11C15/04Digital stores in which information comprising one or more characteristic parts is written into the store and in which information is read-out by searching for one or more of these characteristic parts, i.e. associative or content-addressed stores using semiconductor elements
    • G11C15/046Digital stores in which information comprising one or more characteristic parts is written into the store and in which information is read-out by searching for one or more of these characteristic parts, i.e. associative or content-addressed stores using semiconductor elements using non-volatile storage elements
    • GPHYSICS
    • G11INFORMATION STORAGE
    • G11CSTATIC STORES
    • G11C25/00Digital stores characterised by the use of flowing media; Storage elements therefor

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Nanotechnology (AREA)
  • Computer Hardware Design (AREA)
  • Crystallography & Structural Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Materials Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • Composite Materials (AREA)
  • Mathematical Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Mram Or Spin Memory Techniques (AREA)
  • Hall/Mr Elements (AREA)
  • Semiconductor Memories (AREA)
  • Soft Magnetic Materials (AREA)

Description

530 SB? Redogörelse fór uppfinningen Betydande brister i känd teknik är påtagliga från ovanstående. Följaktligen är det önskvärt att tillhandahålla en associativ minnesanordning som är funktionell över kryogeniska temperaturer.
Syftet med föreliggande uppfinning är att tillhandahålla en anordning och en metod som övervínner nackdelarna med känd teknik. Detta åstadkommes med en anordning enligt krav 1, och en metod enligt krav 6.
Den associativa minnesanordningen enligt föreliggande uppfinning tillhandahåller ett nytt utförande av ett ANN, vilket är baserat på en ferromagnetisk nanokolloid [5] och som kan användas för mönsterlagring och mönsterigenkänning. Vidare är bärarvåtskan i ferrofluiden det effektiva inbyggda medlet för att tíllhandhålla den nödvändiga mekaniska mobiliteten för att bilda och modifiera partikelrnönster, och den gör att systemet i naturen efterliknar riktiga ”mjuka” NN, såsom den mänskliga hjärnan.
Utföringsformer enligt föreliggande uppfinning definieras i de beroende kraven.
Andra syften, fördelar och nya särdrag enligt föreliggande uppfinning kommer att klargöras i den efterföljande detaljerade beskrivningen när den beaktas i anslutning till medföljande ritningar och krav. 10 15 20 25 30 530 387 Figur-beskrivning De särdrag och fördelar med föreliggande uppfinning som redoorts för ovan beskrivs mer i detalj nedan i den detaljerade beskrivningen i anslutning till ritningar-na där ett och samma referensnummer genomgående hänvisar till ett och samma element, i vilka Fig. l är en schematisk illustration av den associativa minnesanordningen enligt föreliggande uppfinning; Fig. 2 år en schematisk illustration av en ingående kontaktyta (ingångspad) enligt föreliggande uppfinning; Fig. 3 är en illustration av ferrofluiden efter en inlärningssekvens; Fig. 4 år en grafisk illustration som visar utvecklingen av en Monte Carlo simulering; Fig. 5 illustrerar en mönsterigenkånningsprocess med användande av föreliggande uppfmning.
Detaljerad beskrivning av föredragna utfóringsformer Utföringsformer av föreliggande uppfinning kommer nu att beskrivas med hänvisning till ritningar-na.
Den associativa minnesanordningen 100 enligt föreliggande uppfinning illustreras schematiskt i Fig. 1 och innefattar ett ferrofluidiskt lager 105, det vill såga magnetiska nanopartiklar i ett lösningsmedelslager, vilket tillhandahåller det magnetiskt mottagliga lagret. Lösningsmedlet kan vara vatten, olja, paraffin, etc. och det har en viskositet som företrädesvis bör vara variabel genom små ändringar i temperatur nära rumstemperatur. De magnetiska nanopartiklarna, vilka bildar den magnetiskt aktiva komponenten i ferrofluiden, motsvaras av de ”dolda enhetema” (”hidden units”) i NN-analogin, och dipolsvåxelverkan mellan partiklarna kan anses vara den synaptiska vikten. Partiklarna i fluiden är typiskt ferromagnetiska och så små (10 nm) att magnetiseringen endast sker i en domän [6].
Under det ferrofluidiska lagret 105 finns ett tunt bottenplan 110. På bottenplanet fmns ett flertal flerlagriga induktiva element tillhandahållna (121. De induktiva elementen, i det följande refererade till som paddarna, år anordnade parvis med ingående induktiva element, i det följande refererade till som ingångspaddar 115, och utgående induktiva element, i det följande refererade till som utgångspaddar 10 15 20 25 30 35 530 38? 4 120, och designade för att skapa lokala magnetiska fält som överensstämmer med de mönster som lagras eller återkallas. Den generiska utformningen av ett block av fyra celler visas i Fig. l. Varje ingångspad (I) 115 har 4 närmaste utgångspaddar (O) 120 som grannar. Alla paddar är belägna under ett tunt bottenplan. Paddarna är företrädesvis trelagriga med de översta och det nedersta magnetiska filmema separerade av en metalldistans, i vilken en styrande ström kan växla padden till parallell (P) eller antiparallell (AP) magnetisk konfiguration, vilka motsvaras av starka respektive svaga lokala kantlinjer (”fringing lines”). Den föreslagna utformningen av ingångspadden visas i Fig. 2. Strukturen kan utformas [12] för att skapa höga lokala kantfält (”fringing fields”) under inlärning (P-tillstånd) och låga fält vid återkallande (AP-tillstånd). De låga fälten under återkallande åstadkommes i AP-tillståndet för det i tjocklek asymmetriska trippellagret, med det mesta av flödet, men inte allt, slutet inom padden. Utgångspaddarna har ett i tjocklek symmetriskt trippellager (ej visat), på så sätt att allt flöde är slutet i AP-tillståndet hos O-padden under återkallande. Utgångspaddarna år utformade för att dessutom utföra avkänning av de lokala fälten under 'âterkallande med användande av spinventilegenskaperna för den magnetiska lagerstrukturen 113, l4].
Enligt föreliggande uppfinning tränas det ferrofluidiska lagret 105 att lagra mönster genom att anbringa ingångs-utgångs fältuppsättningar med användning av in- och utgångspaddarna 115/ 120. Varje cell av föreliggande anordning innefattar en ingångspad och en utgångspad, och ett stort antal av magnetiska dipoler (ungefär 103), vilka antas ha en variabel mobilitet. Partiklarnas mobilitet i ferrofluiden kan kontrolleras genom att variera lösningsmedlets temperatur i närheten av rumstemperatur. Under applicering av ingående/utgående mönsterpar tillåts de magnetiska nanopartiklarna i kolloiden att röra sig och deras moment tillåts rotera för att minimera den totala magnetiska energin för systemet. Ovanstående kan fullbordas /utgångspaddarna 115/ 120 till deras P-tillstånd (P-vänster eller P-höger, motsvarande en digital ”O” eller ”1”, se Fig. 2). Partiklar-na tillåts röra sig och deras magnetiska moment roterar tills systemet når ett jämviktstillstånd, vid vilket tillfälle inlärningssekvens genom att koppla de passande in- partiklarnas positioner låses genom att förändra viskositeten i lösningsmedlet, exempelvis genom att sänka temperaturen.
Mönsteråterkallande görs genom att tillåta nanopartiklarnas magnetiska moment rotera (men inte röra sig) som svar på en given insignal. De ingående elementen, ingångspaddarna, mottager då samma ingående mönster som det som användes 10 15 20 25 30 530 387 5 under inlärningen, men den här gången växlas ingångspaddarna 115 till det antiparallella tillståndet för att minska den direkta inverkan av de ingående kantfälten på utgångspaddania 120. Under återkallande används utgångspaddarna 120 i fältavkärmancle mod snarare än en fältbestämmande mod. För detta är utgångspaddarna 120 också ställda i AP-tillståndet, symmetriskt (se design) med noll kantfält. Den fältavkännande egenskapen för utgångspaddens magnetiska trippellager, vilket är känt som spinventilen [13], tjänar till att avläsa de effektiva dipolfält som bildas av det lokala (immobiliserade) nanodipolmönstret. lnlärningssekvensen enligt metoden i föreliggande uppfinning innefattar följande steg: a. simultant lägga på ett ingående och ett utgående mönster, genom att exponera det ferrofluidiska lagret med lokaliserade magnetiska fält, där en första uppsättning av fält överensstämmer med det ingående mönstret, och det andra överensstämmer med det utgående mönstret; b. låta ferrofluidens magnetiska nanopartiklar nå jämviktstillstånd i förhållande till partikelpositioner och spinnriktningar; och c. låsa partíkelpositioner. Återkallandesekvensen enligt metoden i föreliggande uppfmning innefattar följande steg: d. lägga på det ingående mönstret på det ferrofluidiska lagret; e. låta spinnorienteringarna nå jämviktsläge; och f. känna av det ferrofluidiska lagrets magnetiska fält.
Föreliggande uppfinning har illustrerats med lagring och återkallande av ett enda mönster. Den associativa minnesanordningen och metoden enligt föreliggande uppfinning kan med lätthet anpassas för samtidig lagring och återkallande av flera mönster. Givet att den dipolära växelverkan avtar förhållandevis snabbt och med avståndet, är minnesfunktionen till stor del begränsad till de närmaste granncellerna. Utsträckande av den föreslagna utformningen till att samtidigt upphäva flera mönster kommer sannolikt att innefatta en ökning av förhållandet mellan partikel-/padstorlek jämfört med fallet med ett enskilt mönster.
Användandet av den associativa minnesanordningen och metoden enligt föreliggande uppfinning är vidare illustrerad genom den i det följande beskrivna simuleringen. 10 15 20 25 30 530 387 6 Eftersom paddarna är mycket större än partiklarna kan de inte magnetiskt modelleras som dipoler. I ställer uppskattas nanopartiklarnas växelverkan med paddarna genom att dela in paddarna i små element (effektivt koncentrerade till paddarnas ändar), och beräkna fälten vid partiklarnas positioner från sådana element för att erhålla Zeeman-pad-partikel-bidraget till den totala energin. Den typiska cellstorleken är 500 nm vilket motsvaras av 30 partikeldiametrar. 1/0- mönstren var upp till 6x6 celler. De ”dolda enheterna” i den föreslagna utformningen (neuroner i NN-fallet) är magnetiska nanopartiklar i ett tunt lösningsmedelslager (vatten, olja, parafñn, etc.). Viskositeten för ett sådant lösningsmedelslager bör vara variabelt med hjälp av små föreändringar av temperaturen nära rumstemperatur. Det som är känt inom NN som synaptiska vikter, vilka förmedlar den intemeurala växelverkan, är den interpartikulära magnetiska dipolväxelverkan. Partiklarna i fluiden år antas vara ferromagnetiska och små (10 nm) så att magnetiseringen sker i en domän [6]. Varje partíkel kännetecknas av dess magnetiska moment, m(r), vilket kan ändra riktning och position i fluiden men ej storlek. Partiklama antas vara belagda med ett 2 nm tjockt antiagglomerationslager, vilket begränsar det kortaste interpartikulära avståndet för simuleringarna (ungefär 4 nm). Den fullständiga beskrivningen av ferrofluider inom ramen för statistisk mekanik innefattar många bidrag från de olika växelverkningarna i vätskan. Emellertid kan påverkan av bärarvätskan och det ytaktiva ämnet ofta försummas eftersom de bara kan ha en indirekt inverkan på magnetiseringen. En modell för en ferrofluid' som beskriver både magnetiska partiklar och bärarvätskan diskuteras av Kalikmanov [9] bärarvätskan under några realistiska antaganden inte har någon inverkan på som visar att j ämvíktsegenskaperna för ferrofluiden som en helhet.
Nanokolloiden beskrivs därför som ett system av dipoler, i=1, ..., n, vilka var och en bår ett magnetiskt moment och växelverkar med det lokala effektiva fältet från paddarna He via Zeeman-potentialen Vi = -mfHa Den parvisa dipol-dipol-växelverkan beskrivs av kiåïxšj m M fšfillä; ~ ?'}_.§§?,:fl1'š¿3; ' r* 93k; * 733,3 f” fllïfmïïšï; t Den 2 nm hard-shell short range potential [5] används i simuleringarna nedan, så det närmaste avståndet mellan partiklarnas ytor år 4 nm. Vi utför en Monte Carlo 10 15 20 25 30 35 530 35? 7 (MC) simulering av systemet med användande av den klusterförflyttningsalgoritrnen (cluster-moving algorithm) [7, 101, vilken beaktar det samverkande beteendet hos partiklarna, och partikelnätmetoden (particle mesh method) [ll] för snabbare konvergering.
Inlärning och áterkallande Det tunna ferrofluidiska lagret tränas att lagra mönster genom att anbringa ingående och utgående fåltuppsättníngar med användande av nanostora magnetiska paddar belägna under kolloidens yta. Varje cell hos den föreslagna anordningen innefattar en ingångspad och en utgångspad, och ett stort antal av magnetiska dipoler (ungefär 103), vilka antas ha variabel mobilitet. Mobiliteten för partiklarna i ferrofluiden kan kontrolleras genom att variera temperaturen för lösningsmedlet i närheten av rumstemperatur. Under anbringandet av det ingående /utgående mönsterparet tillåts de magnetiska nanopartiklarna i kolloiden röra på sig och deras moment tillåts rotera för att minska den totala magnetiska energin för systemet. Systemet avkyls sedan, det vill säga partiklarna immobiliseras, i denna minimerade total energikonfiguration, vilken innefattar den Zeeman-liknande padpartikeln och dipolärt interpartikelbidrag. Det resulterande (immobiliserade) nätverket av nanodipoler ”associerar” de specifika mönstren som lagts på vid ingång och utgång genom att magnetiskt koppla I/ O-paddarna.
Ovanstående inlärningssekvens kan fullbordas genom att växla de passande I/ O- elementen till deras P-tillstånd (P-vänster eller P-höger, motsvarande en digital ”O” eller ”1”, se Fig. 2). Partiklarna tillåts röra sig och deras magnetiska moment tillåts rotera tills systemet när ett jämviktstillstånd, vid vilken punkt partiklarnas positioner lagras. Resultatet för en sådan inlärningssekvens för ett system med 9 ingångar (3x3) och 4 utgångar (2x2) vid 300 K visas i Fig. 3. Partiklarna är 15 nm i diameter med ett 2,25 nm tjockt skal och ett magnetiskt moment av 1220 emu / cc.
Magnetiseringen av I / O-padmaterialet är 1700 ernu / cc, vilket överensstämmer med magnetiseringen för Fe. MC-sirnuleringen är tvådimensionell med en 15 procentig magnetisk andel i ferrofluiden. Storleken av varje cell är 620x49O nm2. In- och utgångspaddarna är 80 x 210 x 40 nmß re spektive 300 x 80 x 40 nmß. Den rombiska länken i den nedre centrala delen motsvarar exempelvis inåtriktade moment för de laterala I-paddarna och utåtriktade moment för O-paddarna, där P-tillstånd nanopartikelförmedlade alla är i (se Fig. I detta exempel är den fyra grannpaddama. En typisk inlârningssimulering pågick i ungefär 106 Monte Carlo 1 för utforming).
I / O-kopplingen starkast för de närmaste l0 15 20 25 530 36? 8 steg. En modifierad klusterförflyttningsalgoritm (cluster-moving algorithm) [l0, 14] resulterade i den snabbaste konvergensen till jämvikt, vilket illustreras i Fig. 4 för ett 2x2-system. Vi anser emellertid att de exakta detaljerna för algoritmen för slumpmässig partikelvandring inte är laitisk för slutsatserna som nåtts i detta arbete.
Partikelåterkallande utförs genom att tillåta rotation av nanopartiklarnas magnetiska moment (men inte röra sig) som svar på en given insignal. De ingående elementen mottager samma ingående mönster som de som användes för inlärning., men nu växlas ingångspaddarna till det antiparallella tillståndet för att minska den direkta inverkan av de ingående kantfälten på utgångspaddarna. Under återkallande används utgångspaddarna för fältavkännande mod snarare än fältbestärnmande mod. I detta syfte är utgångspaddarna också ställda i AP- tillstånd, symmetriska (se utformning) utan kantfâlt. Den fältavkånnande egenskapen för utgångspaddens magnetiska trippellager, vilket är känt som spinventilen [13], tjänar till att avläsa de effektiva dipolära fälten som genererats av nanodipolernas lokala (immobiliserade) mönster. Det avkånda utgående mönstret, med dess storlek och riktning, jämförs sedan med det som lagts på under inlärning. Återkallandet är mönsterigenkänningsexempel visas i Fig. 5 för 'ett system med 6x6 ingångar och framgångsrikt om de två sammanfaller. Ett 5x5 utgångar tränat att associera de kinesiska och arabiska tecknen för siffran ”5”. 100-procentig träffsäkerhet uppnås för 25 Oe tröskelfält för utgångssensorn. För att uppnå den korrekta utsignalen i detta exempel krävdes en förhållandevis kort sekvens med ungefär 103 MC-steg.
Medan föreliggande uppfinning har beskrivits i anslutning till vad som för närvarande anses vara de mest praktiska och föredragna utföringsformerna, skall det inses att föreliggande uppfinning inte ska begränsas till de beskrivna utföringsformema, utan däremot, är avsedd att täcka olika modifieringar och ekvivalenta arrangemang innefattade inom andan och omfattningen av de bifogade kraven. 10 15 20 25 530 36? References [1] C. M. Bishop, (1995). Neural Networks for Pattern Recognition, Oxford University Press, Oxford. [2] B. Muller, J. Reinhardt, 81; M. T. Strickland, (2nd edition, 2002). Neural Networks: An Introduction (Physics of Neural Networks). Springer. [3] J. M. Goodwin, B. E. Rosen, 81. J. J. Vidal, (1992). International Journal o.f Pattern Recognition and Artificial Intelliqence , Vol. 6, No. 1, pp 157- 177. [4] B. E. Rosen 81, J. M. Goodwin, (1993). IEEE International Conference on Neural Networks, IEEE Press, San Francisco, CA. pp 908-913. [5] R. E. Rosenweig, Ferrohydrodynamics, Cambridge University Press. 1985. [6] A. Aharon, (2000). Introduction to the theory of ferromagnetism 2nd edn. Oxford University Press, Oxford. [7] Z. Qi, W. Jianhua, 85 Z. Hesun, (1996). HEEE Transactions on Magnetics, Vol. 32, No. 2, pp 297-301. [8] A. Satoh, R. W. Chantrell. S. Kamiyama. & G. N. Coverdale, (1996). Journal of Magnetism and Magnetic Materials, Vol. 154. pp 183-192. 191V. 1. Kaiiiqnanov, (1992). Physica A, v01. 183, pp 25-50.
[10] A. Satoh, R. W. Chantrell, S. Kamiyama, 81. G. N. Coverdale, (1995). Journal of Colloid and Interface Science, Vol. 178, pp. 620-627.
[11] M. P. Allen ös D. J. Tildesley, (1989). Computer simulation of liquids. Oxford University Press, Oxford.
[12] V. Korenivski 81; R. B. van Dover, (1997). Magnetic film inductors for radio frequency applications. J. AppI. Phys., Vo1.82, No. 10, pp 5247-5254.
[13] B. Dieny, V. S. Speriosu, S. S. P. Parkin, B. A. Gurney, D. R. Wilhoit, and D.
Mauri, (1991). Phys. Rev. B, v01. 43, pp.1297-13oo.

Claims (1)

1. 0 15 20 25 30 530 35? 10 PATENTKRAV . Associativ minnesanordning innefattande ett magnetiskt mottagligt lager anpassat att lagra en avbildning av ett mönster, vilket magnetiskt mottagliga lager innefattar magnetiska nanopartiklar som den magnetiskt aktiva komponenten, där den associativa minnesanordningen kännetecknas av att de magnetiska nanopartíklarna är dispergerade i ett lösningsmedel med variabel viskositet. . Associativ minnesanordning enligt krav l, där det magnetiskt mottagliga lagret är ett lager av en ferrofluid. . Associativ minnesanordning enligt krav l eller 2, där lösningsmedlets viskositet år sådan att ett fixerat tillstånd med immobiliserade magnetiska nanopartiklar är uppnåeligt i temperaturområdet 0- 100 °C, och företrädesvis mellan 15-70 °C. . Associativ minnesanordning enligt något av krav 1 till 3, vidare innefattande ett flertal induktiva element, paddar, anordnade fór att tillhandahålla lokala magnetiska fält som påverkar det magnetiskt mottagliga lagret. . Metod för att använda en ferrofluid som en associativ minnesanordning, vilken metod kännetecknas av följande steg, vilka är associerade med en inlärningssekvens: - (a) simultant lägga på ett ingående och ett utgående mönster, genom att exponera det ferrofluidiska lagret med lokaliserade magnetiska fält, där en första uppsättning av fält överensstämmer med det ingående mönstret, och det andra överensstämmer med det utgående mönstret; -(b) låta ferrofluidens magnetiska nanopartiklar nå jämviktstillstånd i förhållande till partikelposítioner och spinnrikmingar; -(c) låsa partikelposítioner; och följ ande steg, vilka är associerade med en återkallandesekvens: -(d) lägga på det ingående mönstret på det ferrofluidiska lagret; -(e) låta spinnoríenteringarna nå jämviktsläge; och -(í) känna av det ferrofluidiska lagrets magnetiska fält.
SE0502408A 2005-10-28 2005-10-28 Metod och arrangemang för en associativ minnesanordning baserad på en ferrofluid SE530367C2 (sv)

Priority Applications (3)

Application Number Priority Date Filing Date Title
SE0502408A SE530367C2 (sv) 2005-10-28 2005-10-28 Metod och arrangemang för en associativ minnesanordning baserad på en ferrofluid
US12/091,829 US7751220B2 (en) 2005-10-28 2006-10-27 Method and arrangement for associative memory device based on ferrofluid
PCT/SE2006/050435 WO2007050035A1 (en) 2005-10-28 2006-10-27 Method and arrangement for associative memory device based on ferrofluid

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
SE0502408A SE530367C2 (sv) 2005-10-28 2005-10-28 Metod och arrangemang för en associativ minnesanordning baserad på en ferrofluid

Publications (2)

Publication Number Publication Date
SE0502408L SE0502408L (sv) 2007-04-29
SE530367C2 true SE530367C2 (sv) 2008-05-13

Family

ID=37968066

Family Applications (1)

Application Number Title Priority Date Filing Date
SE0502408A SE530367C2 (sv) 2005-10-28 2005-10-28 Metod och arrangemang för en associativ minnesanordning baserad på en ferrofluid

Country Status (3)

Country Link
US (1) US7751220B2 (sv)
SE (1) SE530367C2 (sv)
WO (1) WO2007050035A1 (sv)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2349917A2 (en) * 2008-11-03 2011-08-03 Yeda Research And Development Company Ltd. Magnetic patterning method and system
WO2024100479A1 (en) * 2022-11-07 2024-05-16 Fondazione Istituto Italiano Di Tecnologia System and method for storing information

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3508215A (en) 1966-11-25 1970-04-21 Sylvania Electric Prod Magnetic thin film memory apparatus
DE3110572A1 (de) * 1981-03-18 1982-09-30 Agfa-Gevaert Ag, 5090 Leverkusen Magneto-optisches speicherverfahren
US7170842B2 (en) * 2001-02-15 2007-01-30 Hewlett-Packard Development Company, L.P. Methods for conducting current between a scanned-probe and storage medium
EP1563491A1 (en) 2002-11-04 2005-08-17 Koninklijke Philips Electronics N.V. Storage system using superparamagnetic particles
WO2005065303A2 (en) * 2003-12-30 2005-07-21 Drexel University Programmable self-aligning liquid magnetic nanoparticle masks and methods for their use
DE102004010464A1 (de) 2004-03-01 2005-09-22 Monty Knopp Verfahren zur Datenspeicherung und Datenwiedergabe mit Mikrofluiden

Also Published As

Publication number Publication date
US7751220B2 (en) 2010-07-06
WO2007050035A1 (en) 2007-05-03
SE0502408L (sv) 2007-04-29
US20080285323A1 (en) 2008-11-20

Similar Documents

Publication Publication Date Title
Borders et al. Analogue spin–orbit torque device for artificial-neural-network-based associative memory operation
Zhang et al. Skyrmion-electronics: writing, deleting, reading and processing magnetic skyrmions toward spintronic applications
AU2013267852B2 (en) Josephson magnetic memory cell system
CN104134748B (zh) 一种信息传感及存储器件及其制备方法
JP5455313B2 (ja) 磁気記憶素子及び磁気記憶装置
EP1610341A2 (en) Magnetic random access memory array with coupled soft magnetic adjacent layer
TW200306004A (en) Synthetic-ferromagnet sense-layer for high density MRAM applications
Bakurskiy et al. Controlling the proximity effect in a Co/Nb multilayer: the properties of electronic transport
Kaushik et al. Synapse cell optimization and back-propagation algorithm implementation in a domain wall synapse based crossbar neural network for scalable on-chip learning
SE530367C2 (sv) Metod och arrangemang för en associativ minnesanordning baserad på en ferrofluid
Lone et al. Magnetic tunnel junction based implementation of spike time dependent plasticity learning for pattern recognition
US8644057B2 (en) Magnetic memory and magnetic memory apparatus
Rahaman et al. Diode characteristics in magnetic domain wall devices via geometrical pinning for neuromorphic computing
Jafri et al. Current assisted memory effect in superconductor–ferromagnet bilayers: A potential candidate for memristors
US9378760B2 (en) Data reader with tuned microstructure
Ferreira et al. Bringing flexibility to giant magnetoresistive sensors directly grown onto commercial polymeric foils
Maazouzi et al. Computational study of inverse ferrite spinels
Drovorub et al. Modeling the behavior and magnetic properties of spin-valve nanostructures
TWI513071B (zh) 磁阻膜層結構暨使用此磁阻膜層結構之磁場感測器應用
Tu et al. Domain wall structure and interactions in 50 nm wide Cobalt nanowires
Huang et al. Magnetic properties of L10-FePt/Fe exchange-coupled composite nanodots
CN111725386A (zh) 一种磁性存储器件及其制作方法、存储器和神经网络系统
Bui et al. Influence of CoFe and NiFe pinned layers on sensitivity of planar Hall biosensors based on spin-valve structures
JP2020516078A (ja) 一次元及び二次元磁場を測定するための磁気センサセル及びその磁気センサセルを使用して磁場を測定する方法
Yadav et al. Impact of edge defects on the synaptic characteristic of a ferromagnetic domain-wall device and on on-chip learning