Сверхпроводящая память на нанопроводах достигла рекордно низкого уровня ошибок

Массив памяти SNM. a) Схема ячейки памяти. b) Трёхмерная визуализация структуры ячейки. c) Сканирующая электронная микрофотография 16-битного массива памяти. d) Схема экспериментальной установки. e) Измеренные осциллограммы напряжения во время операции записи. f) Гистограммы напряжений чтения для обоих логических состояний по результатам 200 × 10³ измерений. Автор: Nature Electronics (2026). DOI: 10.1038/s41928-025-01512-0

Исследователи из Массачусетского технологического института (MIT) разработали новую масштабируемую сверхпроводящую память на основе нанопроводов. Устройство, описанное в статье в журнале Nature Electronics, продемонстрировало значительно более низкую частоту ошибок по сравнению с предыдущими аналогами.

Как отмечают авторы работы Оуэн Медерос, Маттео Кастеллани и их коллеги, «масштабируемая сверхпроводящая память необходима для создания энергоэффективных сверхпроводящих компьютеров и отказоустойчивых квантовых компьютеров». Новая память представляет собой массив 4 × 4 ячеек с плотностью 2,6 Мбит/см².

Каждая ячейка состоит из петли сверхпроводящего нанопровода с двумя переключателями, сопротивление которых зависит от температуры, и кинетического индуктора, который стабилизирует электрический ток. Запись и чтение информации осуществляются с помощью точно синхронизированных электрических импульсов, которые ненадолго нагревают один из переключателей, изменяя магнитный поток в петле и кодируя данные (0 или 1). После охлаждения нанопровод возвращается в сверхпроводящее состояние, надежно сохраняя информацию.

В ходе испытаний массив показал выдающуюся надёжность, совершая примерно 1 ошибку на 100 000 операций (минимальный уровень битовых ошибок 10⁻⁵). Это на порядки лучше, чем у большинства других сверхпроводящих запоминающих устройств, созданных в последние годы.

Данная работа может стать важным шагом на пути к практическому применению сверхпроводящей памяти в реальных вычислительных системах, включая квантовые компьютеры. В будущем разработку планируется улучшить и масштабировать для создания ещё более производительных и надёжных систем хранения данных.