Cientistas на Universidade на Cambridge са разработили ново наноелектронно устройство. Технологията имитира функционирането на невроните и обещава да намали консумацията на енергия на системите с изкуствен интелект с до 70%. Авансът използва модифицирана версия на хафниев оксид.
Компонентът действа като мемристор с висока стабилност и ниска консумация. Ele съчетава съхранение и обработка на данни на едно и също място, за разлика от традиционните чипове, които постоянно прехвърлят информация между паметта и процесорните единици. Трансферът Essa консумира голямо количество електроенергия. Екипът публикува резултатите в списанието Science Advances.
Dispositivo имитира невронни връзки в човешкия мозък
Новият материал модифицира хафниевия оксид с добавянето на стронций и титан. Двуетапният производствен процес създава p-n преходи на интерфейсите на слоевете. Esses електронните канали контролират съпротивлението по-предвидимо.
Diferente на конвенционалните мемристори, които зависят от нестабилни проводими нишки, това редува състояния през енергийната бариера на интерфейсите. Резултатът е плавно, равномерно превключване. Testes показа превключващи токове около милион пъти по-ниски, отколкото в подобни устройства. Компонентът поддържа стотици стабилни нива на проводимост.
Isso позволява аналогови изчисления в паметта. Изследователите подчертават, че устройството възпроизвежда пластичност, зависима от времето, ключов механизъм за обучение в биологичните неврони.
- Opera с изключително ниски токове
- Apresenta висока равномерност между цикли и устройства
- Mantém програмира състояния за около ден
- Demonstra подобно на мозъка поведение при учене
Текущите AI Consumo дискове търсят алтернативи
Съвременният изкуствен интелект Sistemas използва много енергия поради архитектурата на Neumann. Dados циркулира между паметта и процесора през цялото време. Търсенето расте бързо с разширяването на AI в различни сектори.
Невроморфното изчисление се появява като решение. Ela съчетава памет и обработка, както се случва в мозъка. Especialistas изчислява намаляване на разхода на енергия до 70%. Устройството Cambridge се движи в тази посока с превъзходна стабилност.
Equipe, воден от Babak Bakhit, преодолява технически предизвикателства
Dr. Babak Bakhit, от Departamento от Ciência от Materiais и Metalurgia от Universidade от Cambridge, ръководи работата. Ele също има връзка с Engenharia на Departamento. Изследователят прекарва години в експерименти, докато коригира производствения процес.
Контролираното добавяне на кислород след първия слой беше решаващо. Положителните резултати се появиха в края на 2025 г. Устройството показа стабилност при десетки хиляди цикли на превключване.
Следователно Ainda настоящият процес изисква температури около 700°C. Isso затруднява интегрирането със стандартното производство на полупроводници. Сега екипът се стреми да намали тази температура.
Приложение Potencial върху невроморфен хардуер
Ако преодолеят термичното препятствие, изследователите вярват, че устройството може да бъде интегрирано в чипове в мащаб. Напредъкът ще проправи пътя за по-ефективни и адаптивни AI системи.
Компонентът предлага изключителна еднородност и възможност за превключване между много състояния. Функциите на Essas са от съществено значение за хардуера, който се учи естествено, а не просто да съхранява битове.
Próximos стъпки за търсене в Cambridge
Публикацията в Science Advances описва подробно механизма на разширените асиметрични pn преходи. Заглавието на статията е „Базирани на HfO2 мемристични синапси с асиметрично разширени p-n хетероинтерфейси за високоенергийно ефективен невроморфен хардуер“.
Екипът продължава тестовете за подобряване на индустриалната съвместимост. Фокусът е върху намаляване на температурата без загуба на производителност. Sucesso на този етап може да ускори приемането в практически AI приложения.