第2章: スピン移行トルク（STT）

スピン移行トルク（STT: Spin Transfer Torque）は、スピン偏極電流が磁性体の磁化に及ぼすトルクです。1996年にSlonczewskiとBergerによって独立に理論的に予測され、現代のSTT-MRAMの動作原理となっています。本章では、STTの理論的基礎から磁化スイッチングのダイナミクス、そしてデバイス設計への応用を学びます。

2.1 スピン移行トルクの物理的起源

スピン偏極電流が磁性体を通過する際、電子のスピン角運動量が磁化に移行します。これがスピン移行トルクの起源です。

角運動量保存則

スピン偏極電子が磁性体に入ると、電子スピンは局所磁化$\mathbf{M}$と相互作用して方向を変えます。角運動量保存により、失われた電子スピン角運動量は磁化に移行します：

Slonczewskiモデル

Slonczewskiは、GMR/TMR素子におけるSTTを定式化しました。スピン移行トルクは次の形で表されます：

ここで：

• $I$: 電流
• $P$: スピン偏極率
• $A$: 接合面積
• $M_s$: 飽和磁化
• $t_F$: 自由層厚さ
• $\mathbf{m}, \mathbf{m}_p$: 自由層・固定層の磁化単位ベクトル
• $g(\theta)$: スピン依存伝導の角度因子

コード例2.1: STTの角度依存性

"""
Slonczewski STTの角度依存性
"""
import numpy as np
import matplotlib.pyplot as plt

def slonczewski_g(theta, P, Lambda=1.5):
    """
    Slonczewskiの角度依存因子

    Parameters:
    theta: 自由層と固定層の相対角度
    P: スピン偏極率
    Lambda: スピン非対称パラメータ
    """
    cos_theta = np.cos(theta)
    g = P * Lambda**2 / (Lambda**2 + 1 + (Lambda**2 - 1) * cos_theta)
    return g

# 角度依存性のプロット
theta = np.linspace(0, np.pi, 200)
P_values = [0.3, 0.5, 0.7]

plt.figure(figsize=(10, 6))

for P in P_values:
    g = slonczewski_g(theta, P)
    plt.plot(np.degrees(theta), g, linewidth=2, label=f'P = {P}')

plt.xlabel('相対角度 θ (度)', fontsize=12)
plt.ylabel('Slonczewski因子 g(θ)', fontsize=12)
plt.title('STT角度依存性（Slonczewskiモデル）', fontsize=14)
plt.legend()
plt.grid(True, alpha=0.3)
plt.xlim(0, 180)
plt.show()

print("θ=0°（平行）: STT最小")
print("θ=180°（反平行）: STT最大")

2.2 LLG方程式とSTT

磁化ダイナミクスはLandau-Lifshitz-Gilbert（LLG）方程式で記述されます。STTを含むLLG方程式は：

ここで$\gamma$は磁気回転比、$\alpha$はギルバートダンピング定数です。

STTの2つの成分

STTは2つの直交成分に分解できます：

• ダンピング様トルク（$a_J$項）: 磁化の$\mathbf{m}_p$方向への緩和/反緩和
• フィールド様トルク（$b_J$項）: 有効磁場として作用

コード例2.2: STTを含むLLG方程式の数値解法

"""
STTを含むLLG方程式の数値シミュレーション
"""
import numpy as np
import matplotlib.pyplot as plt
from scipy.integrate import odeint

def llg_with_stt(m, t, gamma, alpha, H_eff, a_J, m_p):
    """
    STTを含むLLG方程式

    Parameters:
    m: 磁化ベクトル（規格化）
    gamma: 磁気回転比 (rad/s/T)
    alpha: ギルバートダンピング
    H_eff: 有効磁場ベクトル (T)
    a_J: STT強度
    m_p: 固定層磁化方向
    """
    m = m / np.linalg.norm(m)  # 規格化

    # 歳差項
    precession = -gamma * np.cross(m, H_eff)

    # ダンピング項
    damping = alpha * np.cross(m, precession)

    # STTダンピング様トルク
    stt = a_J * np.cross(m, np.cross(m, m_p))

    dmdt = precession + damping + stt
    return dmdt

# パラメータ
gamma = 1.76e11  # rad/s/T
alpha = 0.01
H_eff = np.array([0, 0, 0.1])  # z方向の異方性磁場 (T)
m_p = np.array([0, 0, 1])  # 固定層: +z方向

# 時間設定
t_max = 5e-9  # 5 ns
t = np.linspace(0, t_max, 5000)

# 初期条件（z軸から少し傾いた状態）
m0 = np.array([0.1, 0, 0.995])
m0 = m0 / np.linalg.norm(m0)

# 異なるSTT強度での比較
a_J_values = [0, 5e10, 1e11, 2e11]

fig, axes = plt.subplots(2, 2, figsize=(14, 10))
axes = axes.flatten()

for ax, a_J in zip(axes, a_J_values):
    sol = odeint(llg_with_stt, m0, t, args=(gamma, alpha, H_eff, a_J, m_p))

    ax.plot(t*1e9, sol[:, 0], 'r-', label='$m_x$', linewidth=1.5)
    ax.plot(t*1e9, sol[:, 1], 'g-', label='$m_y$', linewidth=1.5)
    ax.plot(t*1e9, sol[:, 2], 'b-', label='$m_z$', linewidth=1.5)

    ax.set_xlabel('時間 (ns)', fontsize=11)
    ax.set_ylabel('磁化成分', fontsize=11)
    ax.set_title(f'$a_J$ = {a_J:.0e} rad/s', fontsize=12)
    ax.legend()
    ax.grid(True, alpha=0.3)
    ax.set_ylim(-1.1, 1.1)

plt.suptitle('STTによる磁化ダイナミクス', fontsize=14)
plt.tight_layout()
plt.show()

2.3 臨界電流密度

STTによる磁化スイッチングには、ダンピングトルクを打ち消すのに十分な電流が必要です。この臨界電流密度$J_c$は：

ここで$H_k$は異方性磁場、$\eta$はスピン移行効率です。

コード例2.3: 臨界電流密度の計算

"""
STTスイッチングの臨界電流密度計算
"""
import numpy as np
import matplotlib.pyplot as plt

def critical_current_density(alpha, M_s, t_F, H_k, P, eta=1.0):
    """
    STT臨界電流密度

    Parameters:
    alpha: ギルバートダンピング
    M_s: 飽和磁化 (A/m)
    t_F: 自由層厚さ (m)
    H_k: 異方性磁場 (A/m)
    P: スピン偏極率
    eta: スピン移行効率
    """
    hbar = 1.055e-34
    e = 1.6e-19
    mu_0 = 4 * np.pi * 1e-7

    J_c = (2 * e / hbar) * (alpha * M_s * t_F) / (eta * P)
    J_c *= (H_k + 2 * np.pi * M_s) * mu_0
    return J_c

# 典型的なパラメータ（CoFeB）
alpha = 0.01
M_s = 1.2e6  # A/m
P = 0.56

# 膜厚依存性
t_F = np.linspace(0.5e-9, 3e-9, 50)
H_k_values = [0.1e6, 0.3e6, 0.5e6]  # A/m

plt.figure(figsize=(10, 6))

for H_k in H_k_values:
    J_c = critical_current_density(alpha, M_s, t_F, H_k, P)
    plt.plot(t_F * 1e9, J_c / 1e10, linewidth=2,
             label=f'$H_k$ = {H_k/1e6:.1f} MA/m')

plt.xlabel('自由層厚さ $t_F$ (nm)', fontsize=12)
plt.ylabel('臨界電流密度 $J_c$ (×$10^{10}$ A/m²)', fontsize=12)
plt.title('STTスイッチング臨界電流密度', fontsize=14)
plt.legend()
plt.grid(True, alpha=0.3)
plt.show()

# 典型値
t_F_typ = 1.5e-9
H_k_typ = 0.3e6
J_c_typ = critical_current_density(alpha, M_s, t_F_typ, H_k_typ, P)
print(f"典型的なSTT-MRAM: J_c ≈ {J_c_typ/1e10:.1f} × 10¹⁰ A/m²")

2.4 磁化スイッチングダイナミクス

スイッチング時間

STTによる磁化スイッチング時間$\tau_{sw}$は、電流密度$J$に依存します：

ここで$\theta_0$は初期角度です。

コード例2.4: スイッチング時間のシミュレーション

"""
STT磁化スイッチングの完全シミュレーション
"""
import numpy as np
import matplotlib.pyplot as plt
from scipy.integrate import odeint

def llg_stt_pma(m, t, gamma, alpha, H_k, a_J, m_p):
    """
    垂直磁気異方性を持つSTT-LLG方程式
    """
    m = m / np.linalg.norm(m)

    # 有効磁場（PMA）
    H_eff = np.array([0, 0, H_k * m[2]])

    # LLG + STT
    precession = -gamma * np.cross(m, H_eff)
    damping = alpha * np.cross(m, precession)
    stt = a_J * np.cross(m, np.cross(m, m_p))

    return precession + damping + stt

def find_switching_time(t, mz, threshold=-0.5):
    """スイッチング完了時間を検出"""
    idx = np.where(mz < threshold)[0]
    if len(idx) > 0:
        return t[idx[0]]
    return np.nan

# パラメータ
gamma = 1.76e11
alpha = 0.01
H_k = 0.5  # T相当の異方性
m_p = np.array([0, 0, -1])  # 反平行方向へスイッチング

# 初期状態（+z方向から少し傾き）
m0 = np.array([0.01, 0, 0.99995])
m0 = m0 / np.linalg.norm(m0)

# 異なる電流強度でのスイッチング
t_max = 10e-9
t = np.linspace(0, t_max, 10000)

a_J_values = np.array([0.8, 1.0, 1.5, 2.0, 3.0]) * 1e11

fig, axes = plt.subplots(1, 2, figsize=(14, 5))

# 左: mzの時間発展
colors = plt.cm.viridis(np.linspace(0, 0.9, len(a_J_values)))
switching_times = []

for a_J, color in zip(a_J_values, colors):
    sol = odeint(llg_stt_pma, m0, t, args=(gamma, alpha, H_k, a_J, m_p))
    mz = sol[:, 2]
    axes[0].plot(t*1e9, mz, color=color, linewidth=1.5,
                 label=f'$a_J$ = {a_J/1e11:.1f}×$10^{{11}}$')
    switching_times.append(find_switching_time(t, mz))

axes[0].axhline(y=0, color='k', linestyle='--', alpha=0.3)
axes[0].set_xlabel('時間 (ns)', fontsize=12)
axes[0].set_ylabel('$m_z$', fontsize=12)
axes[0].set_title('STT磁化スイッチング', fontsize=14)
axes[0].legend(loc='right')
axes[0].grid(True, alpha=0.3)

# 右: スイッチング時間 vs 電流
axes[1].plot(a_J_values/1e11, np.array(switching_times)*1e9, 'bo-', linewidth=2, markersize=8)
axes[1].set_xlabel('STT強度 $a_J$ (×$10^{11}$ rad/s)', fontsize=12)
axes[1].set_ylabel('スイッチング時間 (ns)', fontsize=12)
axes[1].set_title('電流依存性', fontsize=14)
axes[1].grid(True, alpha=0.3)

plt.tight_layout()
plt.show()

2.5 STT-MRAM

STT-MRAM（Spin Transfer Torque Magnetoresistive RAM）は、STTを書き込みに利用する不揮発性メモリです。

STT-MRAMの動作

コード例2.5: STT-MRAMパラメータ設計

"""
STT-MRAM設計パラメータの計算
"""
import numpy as np
import matplotlib.pyplot as plt

class STTMRAM:
    def __init__(self, diameter_nm, t_FL_nm, M_s, H_k, alpha, P, TMR):
        """
        STT-MRAMセルの設計

        Parameters:
        diameter_nm: MTJ直径 (nm)
        t_FL_nm: 自由層厚さ (nm)
        M_s: 飽和磁化 (A/m)
        H_k: 異方性磁場 (A/m)
        alpha: ギルバートダンピング
        P: スピン偏極率
        TMR: TMR比
        """
        self.diameter = diameter_nm * 1e-9
        self.t_FL = t_FL_nm * 1e-9
        self.M_s = M_s
        self.H_k = H_k
        self.alpha = alpha
        self.P = P
        self.TMR = TMR

        self.area = np.pi * (self.diameter/2)**2
        self.volume = self.area * self.t_FL

    def thermal_stability(self, T=300):
        """熱安定性因子 Δ = E_b / k_B T"""
        k_B = 1.38e-23
        mu_0 = 4 * np.pi * 1e-7
        E_b = 0.5 * mu_0 * self.M_s * self.H_k * self.volume
        return E_b / (k_B * T)

    def critical_current(self):
        """臨界電流"""
        hbar = 1.055e-34
        e = 1.6e-19
        mu_0 = 4 * np.pi * 1e-7
        eta = 1.0

        J_c = (2 * e / hbar) * (self.alpha * self.M_s * self.t_FL) / (eta * self.P)
        J_c *= (self.H_k + 2 * np.pi * self.M_s) * mu_0
        return J_c * self.area

    def switching_voltage(self, R_P=1000):
        """スイッチング電圧（R_P基準）"""
        return self.critical_current() * R_P

    def retention_time(self, T=300):
        """データ保持時間（10年を目標）"""
        delta = self.thermal_stability(T)
        f0 = 1e9  # 試行周波数
        return np.exp(delta) / f0

# 設計パラメータのスキャン
diameters = np.linspace(20, 100, 50)

# 典型的なパラメータ
M_s = 1.2e6
H_k = 0.4e6
alpha = 0.01
P = 0.56
TMR = 1.5

fig, axes = plt.subplots(1, 3, figsize=(15, 4))

deltas = []
I_cs = []

for d in diameters:
    cell = STTMRAM(d, 1.5, M_s, H_k, alpha, P, TMR)
    deltas.append(cell.thermal_stability())
    I_cs.append(cell.critical_current() * 1e6)

# 熱安定性
axes[0].plot(diameters, deltas, 'b-', linewidth=2)
axes[0].axhline(y=60, color='r', linestyle='--', label='目標 Δ=60')
axes[0].set_xlabel('MTJ直径 (nm)', fontsize=11)
axes[0].set_ylabel('熱安定性因子 Δ', fontsize=11)
axes[0].set_title('熱安定性 vs サイズ', fontsize=12)
axes[0].legend()
axes[0].grid(True, alpha=0.3)

# 臨界電流
axes[1].plot(diameters, I_cs, 'g-', linewidth=2)
axes[1].set_xlabel('MTJ直径 (nm)', fontsize=11)
axes[1].set_ylabel('臨界電流 $I_c$ (μA)', fontsize=11)
axes[1].set_title('臨界電流 vs サイズ', fontsize=12)
axes[1].grid(True, alpha=0.3)

# トレードオフ
axes[2].plot(deltas, I_cs, 'mo-', linewidth=2, markersize=4)
axes[2].axvline(x=60, color='r', linestyle='--', alpha=0.5)
axes[2].set_xlabel('熱安定性因子 Δ', fontsize=11)
axes[2].set_ylabel('臨界電流 $I_c$ (μA)', fontsize=11)
axes[2].set_title('Δ - $I_c$ トレードオフ', fontsize=12)
axes[2].grid(True, alpha=0.3)

plt.tight_layout()
plt.show()

# 設計例
cell = STTMRAM(50, 1.5, M_s, H_k, alpha, P, TMR)
print(f"MTJ直径50nm設計:")
print(f"  熱安定性 Δ = {cell.thermal_stability():.1f}")
print(f"  臨界電流 Ic = {cell.critical_current()*1e6:.1f} μA")

2.6 プリセッション駆動とパルス最適化

高速スイッチングには、磁化のプリセッション運動を利用したプリセッション駆動が有効です。

コード例2.6: 最適パルス幅の探索

"""
STTパルス駆動による高速スイッチング
"""
import numpy as np
import matplotlib.pyplot as plt
from scipy.integrate import odeint

def llg_stt_pulse(m, t, gamma, alpha, H_k, a_J, m_p, t_pulse):
    """パルス電流によるSTT"""
    m = m / np.linalg.norm(m)

    H_eff = np.array([0, 0, H_k * m[2]])

    precession = -gamma * np.cross(m, H_eff)
    damping = alpha * np.cross(m, precession)

    # パルス制御
    if t < t_pulse:
        stt = a_J * np.cross(m, np.cross(m, m_p))
    else:
        stt = np.zeros(3)

    return precession + damping + stt

# パラメータ
gamma = 1.76e11
alpha = 0.01
H_k = 0.5
m_p = np.array([0, 0, -1])
a_J = 2e11

m0 = np.array([0.01, 0, 0.99995])
m0 = m0 / np.linalg.norm(m0)

t_max = 15e-9
t = np.linspace(0, t_max, 15000)

# 異なるパルス幅
pulse_widths = [1e-9, 2e-9, 3e-9, 5e-9, 8e-9]

fig, axes = plt.subplots(2, 3, figsize=(15, 8))
axes = axes.flatten()

for i, t_pulse in enumerate(pulse_widths):
    sol = odeint(llg_stt_pulse, m0, t, args=(gamma, alpha, H_k, a_J, m_p, t_pulse))

    ax = axes[i]
    ax.plot(t*1e9, sol[:, 2], 'b-', linewidth=1.5)
    ax.axvline(x=t_pulse*1e9, color='r', linestyle='--', alpha=0.5, label='パルス終了')
    ax.axhline(y=0, color='k', linestyle=':', alpha=0.3)
    ax.set_xlabel('時間 (ns)', fontsize=10)
    ax.set_ylabel('$m_z$', fontsize=10)
    ax.set_title(f'パルス幅 = {t_pulse*1e9:.0f} ns', fontsize=11)
    ax.legend()
    ax.grid(True, alpha=0.3)
    ax.set_ylim(-1.2, 1.2)

# 最終状態のまとめ
axes[5].axis('off')
axes[5].text(0.1, 0.7, 'パルス最適化のポイント:', fontsize=12, fontweight='bold')
axes[5].text(0.1, 0.5, '• 短すぎ: 完全にスイッチングしない', fontsize=10)
axes[5].text(0.1, 0.35, '• 最適: 確実にスイッチング完了', fontsize=10)
axes[5].text(0.1, 0.2, '• 長すぎ: エネルギー浪費、温度上昇', fontsize=10)

plt.suptitle('STTパルス駆動スイッチング', fontsize=14)
plt.tight_layout()
plt.show()

2.7 STT-MRAMの課題と解決策

コード例2.7: エラーレート解析

"""
STT-MRAMの書き込みエラー解析
"""
import numpy as np
import matplotlib.pyplot as plt

def write_error_rate(delta, I_ratio, T=300):
    """
    書き込みエラー確率（熱活性化モデル）

    Parameters:
    delta: 熱安定性因子
    I_ratio: I/Ic比
    """
    if I_ratio <= 1:
        return 1.0  # 臨界電流以下では確実に失敗

    # 熱活性化によるエラー
    effective_delta = delta * (1 - 1/I_ratio)
    P_error = np.exp(-effective_delta)
    return P_error

# パラメータスキャン
delta_values = [40, 50, 60, 70, 80]
I_ratios = np.linspace(1.01, 3, 100)

plt.figure(figsize=(10, 6))

for delta in delta_values:
    P_errors = [write_error_rate(delta, I) for I in I_ratios]
    plt.semilogy(I_ratios, P_errors, linewidth=2, label=f'Δ = {delta}')

plt.axhline(y=1e-6, color='r', linestyle='--', label='目標 BER < 10⁻⁶')
plt.xlabel('$I/I_c$ 比', fontsize=12)
plt.ylabel('書き込みエラー確率', fontsize=12)
plt.title('STT-MRAM書き込みエラー解析', fontsize=14)
plt.legend()
plt.grid(True, alpha=0.3)
plt.ylim(1e-20, 1)
plt.show()

print("高い熱安定性(Δ)と十分なオーバードライブ(I/Ic)が必要")
print("Δ=60, I/Ic=1.5で BER ≈ 10⁻¹⁰ 程度を達成可能")

章のまとめ

次章への準備

次章では、STT-MRAMの課題を克服するスピン軌道トルク（SOT）を学びます。SOTは読み書き経路を分離し、高速・高耐久性を実現します。

参考文献

1. Slonczewski, J. C. (1996). "Current-driven excitation of magnetic multilayers." J. Magn. Magn. Mater., 159, L1-L7.
2. Berger, L. (1996). "Emission of spin waves by a magnetic multilayer traversed by a current." Phys. Rev. B, 54, 9353.
3. Ralph, D. C., & Stiles, M. D. (2008). "Spin transfer torques." J. Magn. Magn. Mater., 320, 1190-1216.
4. Apalkov, D., et al. (2016). "Magnetoresistive RAM: A new paradigm for memory." Proc. IEEE, 104(10), 1796-1830.