自旋（xuán）电子（zǐ）学（xué）涉及电子（zǐ）的内在（zài）自旋和电子工（gōng）程（chéng）领（lǐng）域，目前相关研究（jiū）正在积极进行，以解决现有硅半（bàn）导体存在的集成局限性，开发下（xià）一代超（chāo）低（dī）功耗和高性能半导体。磁性（xìng）材（cái）料是开发（fā）自旋电子（zǐ）器件（如MRAM磁阻（zǔ）随机存取存储器）最常用的材料之一。因此，通过（guò）分析磁哈密顿量及（jí）其参数来准确识别磁性材料（liào）的（de）性质，如热稳定（dìng）性（xìng）、动（dòng）态行为和基态构型等，具有重（chóng）要（yào）意（yì）义。

  以前，为了更准确深（shēn）入地（dì）了（le）解磁性材（cái）料的（de）性（xìng）质，需（xū）要（yào）通过各种实验直接测量磁哈密顿参数，这一（yī）过程需要耗费大量时间（jiān）和（hé）资（zī）源。为了克服（fú）这些困难，韩国的研究人（rén）员（yuán）开发（fā）了一种人工智能(AI)系统，可以实时（shí）分析磁性系统。

  韩国科学技术研究院(KIST)宣布，其联合研究（jiū）团队开（kāi）发了一种技术（shù），可以利用人工智能技术，通（tōng）过自旋结构（gòu）图像估计磁哈密顿参数（shù）。该团队（duì）由自旋收（shōu）敛研究中心（xīn）（Spin Convergence Research Center）的Heeyong Kwon博士和（hé）Dr. Junwoo Choi 博士，以（yǐ）及庆熙大学（Kyung Hee University）的Changyeon Won教授领导。

  研究（jiū）人员构建深层神经（jīng）网络，并利用机（jī）器（qì）学习算法和现有磁畴图像（xiàng）对其进行训练（liàn）。结果（guǒ）表（biǎo）明，输入通（tōng）过电子显微镜获得的自旋结（jié）构图像，可以实时估计（jì）磁哈密顿参数。此外（wài），与实验（yàn）得到（dào）的参数值相（xiàng）比（bǐ），人（rén）工智能系统的估计误差小于1%，具有较高的准（zhǔn）确度。据（jù）该团队介绍，利用所开（kāi）发的人工智能系（xì）统（tǒng），可以通过深度学习技术，即时完成材料参数评估过程。以前（qián）完成这一过程需要数（shù）十个小（xiǎo）时。

  KIST的Hee-young Kwon博士（shì）表示：“我们提（tí）出一种新方法（fǎ），展示如何利用人（rén）工（gōng）智能技术来分析（xī）磁性系统性能。预计使用这（zhè）种新方法，通过人工智（zhì）能技术研（yán）究物（wù）理系统，将缩小实验值和理论值之间的差距（jù），并将进一步（bù）融合人工智能技术和基（jī）础科学研究，拓展新的（de）研究领域。”