Современные микроэлектронные устройства, в основе архитектуры которых лежат слоистые спин-вентильные структуры, отличаются малым энергопотреблением, высокой надежностью и широким температурным диапазоном. Изучение динамических режимов спинового вентиля и исследование возможностей управления этими режимами представляют практический интерес. В работе рассмотрены режимы работы спинового вентиля, которые являются базовыми для магниторезистивной памяти с произвольным доступом (MRAM), бинарного стохастического нейрона (p-bit) и различных спин-трансферных наноосцилляторов (STNOs). Построена математическая модель спинового вентиля с продольной анизотропией, помещенного в магнитное поле, перпендикулярное оси анизотропии и параллельное плоскости слоев. Получена система уравнений, описывающих динамику вектора намагниченности свободного слоя спинового вентиля. Качественный анализ системы уравнений позволил определить равновесные положения намагниченности свободного слоя для спин-вентильной структуры. На основании проведенного бифуркационного анализа динамической системы уравнений найдены условия смены типа особых точек системы. Исследование динамики вектора намагниченности свободного слоя спинового вентиля позволило выявить основные режимы его работы в качестве составляющей магниторезистивной памяти, бинарного стохастического нейрона и спин-трансферного наноосциллятора и определить диапазоны тока и магнитного поля, соответствующие данным режимам. Для спин-трансферных наноосцилляторов рассчитаны частотные и амплитудные характеристики. Предложенная структура с планарной анизотропией, помещенная в поле, перпендикулярное оси анизотропии, с точки зрения ее применения в качестве спин-трансферного наноосциллятора будет предпочтительнее структуры с полем, приложенным параллельно оси анизотропии.
1. Dependence of voltage and size on write error rates in spin-transfer torque magnetic random-access memory / J.J. Nowak, R.P. Robertazzi, J.Z. Sun et al. // IEEE Magnetics Letters. – 2016. – Vol. 7. – P. 3102604
2. Sutton B., Camsari K.Y., Behin-Aein B., Datta S. Intrinsic optimization using stochastic nanomagnets // Scientific Reports. – 2017. – Vol.7. – No. 1. – P. 1–9.
3. Behin-Aein B., Diep V., Datta S. A building block for hardware belief networks // Scientific reports. – 2016. – Vol. 6. – No. 1. – P. 1–10.
4. Shim Y., Jaiswal A., Roy K. Ising computation based combinatorial optimization using spin-Hall effect (SHE) induced stochastic magnetization reversal // Journal of Ap-plied Physics. – 2017. – Vol. 121. – P. 193902.
5. Faria R., Camsari K.Y., Datta S. Low barrier nanomagnets as p-bits for spin logic // IEEE Magnetics Letters. – 2017. – Vol. 8. – P. 2685358.
6. Camsari K.Y., Faria R., Sutton B.M., Datta S. Stochastic p-bits for invertible logic // Phys. Rev. – 2017. – X. – Vol. 7. – No. 3. – P. 031014.
7. Low-energy deep belief networks using intrinsic sigmoidal spintronic-based probabilistic neurons / R. Zand, K.Y. Camsari, S.D. Pyle et al. // in Proceedings of the 2018 on Great Lakes Symposium on VLSI (ACM, 2018). – 2018. – P. 15–20.
8. You Ch.Y. Spin torque nano-oscillator with an exchange-biased free rotating layer // Journal of Magnetics. – 2009. – Vol. 14(4). – P. 168–171.
9. Slonczewski J.C. Current-driven excitation of magnetic multilayers // Journal of Magnetism and Magnetic Materials. – 1996. – Vol. 159. – P. L1–L7.
10. Ostrovskaya N.V., Skidanov V.A., Iusipova Iu.A. Bifurcations in the dynamical system for three-layered magnetic valve // Solid State Phenomena. – 2015. – Vols. 233-234. – P. 431–434.
11. Островская Н.В., Скиданов В.А., Юсипова Ю.А. Классификация динами-ческих режимов переключения намагниченности в трехслойной ферромагнитной структуре в зависимости от спин-поляризованного тока инжекции и внешнего маг-нитного поля. I. Продольная анизотропия // Компьютерные исследования и моде-лирование. – 2016. – №4. – Т. 8. – C. 605–620.
12. Юсипова Ю.А. Анализ характеристик переключения ячеек памяти MRAM на основе материалов с одноосной анизотропией // Изв. вузов. Электроника. – 2017. – Т.22. – №5. – С. 421–432.