Ученые Кембриджского университета разработали новое наноэлектронное устройство. Технология имитирует работу нейронов и обещает снизить энергопотребление систем искусственного интеллекта до 70%. В разработке используется модифицированная версия оксида гафния.
Компонент действует как мемристор с высокой стабильностью и низким потреблением. Он совмещает хранение и обработку данных в одном и том же месте, в отличие от традиционных чипов, которые постоянно передают информацию между памятью и процессорами. Эта передача потребляет большое количество электроэнергии. Команда опубликовала результаты в журнале Science Advances.
Устройство имитирует нейронные связи в человеческом мозге
Новый материал модифицирует оксид гафния добавлением стронция и титана. Двухэтапный производственный процесс создает pn-переходы на границах слоев. Эти электронные каналы контролируют сопротивление более предсказуемым образом.
В отличие от обычных мемристоров, в которых используются нестабильные проводящие нити, этот мемристор переключает состояния через энергетический барьер на интерфейсах. Результатом является плавное и равномерное переключение. Испытания показали коммутационные токи примерно в миллион раз ниже, чем в аналогичных устройствах. Компонент поддерживает сотни стабильных уровней проводимости.
Это позволяет выполнять аналоговые вычисления в памяти. Исследователи подчеркивают, что устройство воспроизводит зависящую от времени пластичность, ключевой механизм обучения биологических нейронов.
- Работает при чрезвычайно низких токах
- Обеспечивает высокую однородность между циклами и устройствами.
- Сохраняет запрограммированные состояния около суток
- Демонстрирует поведение при обучении, подобное мозговому.
Текущее потребление ИИ стимулирует поиск альтернатив
Современные системы искусственного интеллекта потребляют много энергии из-за архитектуры фон Неймана. Данные постоянно циркулируют между памятью и процессором. Спрос быстро растет по мере распространения ИИ в различных секторах.
Решением проблемы становятся нейроморфные вычисления. Он сочетает в себе память и обработку, как это происходит в мозге. По оценкам экспертов, сокращение затрат энергии составит до 70%. Устройство Cambridge движется в этом направлении с превосходной стабильностью.
Команда под руководством Бабака Бахита преодолевает технические проблемы
Работу возглавляет доктор Бабак Бахит с факультета материаловедения и металлургии Кембриджского университета. Он также имеет отношение к инженерному департаменту. Исследователь потратил годы на эксперименты, пока не скорректировал производственный процесс.
Решающее значение имело контролируемое добавление кислорода после первого слоя. Положительные результаты появились в конце 2025 года. Устройство показало стабильность на протяжении десятков тысяч циклов переключения.
Тем не менее, текущий процесс требует температуры около 700°C. Это затрудняет интеграцию со стандартным производством полупроводников. Сейчас команда пытается снизить эту температуру.
Потенциал применения в нейроморфном оборудовании
Если им удастся преодолеть температурный барьер, исследователи полагают, что устройство можно будет интегрировать в чипы в больших масштабах. Это достижение проложит путь к более эффективным и адаптируемым системам искусственного интеллекта.
Компонент предлагает исключительную единообразность и возможность переключения между многими состояниями. Эти характеристики важны для оборудования, которое обучается естественным путем, а не просто сохраняет биты.
Следующие шаги для исследований в Кембридже
Публикация в журнале Science Advances подробно описывает механизм расширенных асимметричных pn-переходов. Название статьи: «Мемристивные синапсы на основе HfO2 с асимметрично расширенными p-n-гетероинтерфейсами для высокоэнергетических нейроморфных аппаратных средств».
Команда продолжает тестирование для улучшения промышленной совместимости. Основное внимание уделяется снижению температуры без потери производительности. Успех на этом этапе может ускорить внедрение в практические приложения ИИ.