自旋电子学涉及电子的内在自旋和（hé）电子（zǐ）工程领域（yù），目前（qián）相（xiàng）关研究（jiū）正（zhèng）在积极（jí）进行，以解决（jué）现有硅半导体（tǐ）存（cún）在的（de）集成局限性，开发下一代超低功耗和高性能半导（dǎo）体。磁（cí）性材料是开（kāi）发自旋（xuán）电子器件（如MRAM磁阻随机存取存储器）最常用的材料（liào）之（zhī）一（yī）。因此，通（tōng）过分析（xī）磁哈密顿（dùn）量（liàng）及其参数（shù）来准（zhǔn）确识别磁性材料的性（xìng）质，如热稳定性、动（dòng）态行为和基态构型等，具有重要意义。

  以前，为了（le）更（gèng）准确深入（rù）地了解磁性材料的（de）性（xìng）质，需（xū）要通过各种（zhǒng）实验直接测（cè）量磁哈密（mì）顿参（cān）数，这一过程需（xū）要耗费大量时间和资源。为了克服这些困难，韩（hán）国（guó）的研究人员开（kāi）发了（le）一种人（rén）工智能(AI)系统（tǒng），可以（yǐ）实时分析（xī）磁性系统（tǒng）。

  韩国科学（xué）技（jì）术研究院(KIST)宣布，其联合研究团队（duì）开发了一种技术（shù），可以利用人工智能技（jì）术，通过自旋结（jié）构图像估计磁哈密顿参数。该（gāi）团队由（yóu）自（zì）旋（xuán）收敛研究（jiū）中（zhōng）心（Spin Convergence Research Center）的Heeyong Kwon博士和Dr. Junwoo Choi 博士，以（yǐ）及庆熙大学（Kyung Hee University）的（de）Changyeon Won教授领导。

  研究人（rén）员构建深层神（shén）经（jīng）网络，并（bìng）利（lì）用机（jī）器学习（xí）算（suàn）法和现有磁畴图像对其（qí）进行（háng）训练（liàn）。结果表明，输入通过（guò）电（diàn）子显微镜（jìng）获得的自旋（xuán）结构图（tú）像（xiàng），可以（yǐ）实时估（gū）计磁哈密顿参数。此外（wài），与实验得到的参数值相比，人工智能系统（tǒng）的估计误差小于（yú）1%，具有较高（gāo）的准确度。据该团队介绍，利用所开发的人工智能系统，可（kě）以通过深（shēn）度（dù）学（xué）习（xí）技术，即时完（wán）成材料参数评估过程。以前完成这一过程需要数十个（gè）小时。

  KIST的Hee-young Kwon博士表示：“我们提（tí）出一种新方法，展示如何（hé）利用人工智（zhì）能技术来分析磁性系统（tǒng）性（xìng）能。预（yù）计（jì）使（shǐ）用这种新方法，通过人（rén）工智能技术研究（jiū）物理系统，将缩小实验值和理论值之间的差距，并将进（jìn）一（yī）步融合人工智（zhì）能技术和基础科学（xué）研（yán）究，拓展（zhǎn）新的（de）研究领域。”