מדענים מאוניברסיטת קיימברידג’ פיתחו מכשיר ננו-אלקטרוני חדש. הטכנולוגיה מחקה את תפקודם של נוירונים ומבטיחה להפחית את צריכת האנרגיה של מערכות בינה מלאכותית בשיעור של עד 70%. המקדמה משתמשת בגרסה שונה של תחמוצת הפניום.
הרכיב משמש כממריסטור יציבות גבוהה וצריכה נמוכה. הוא משלב אחסון ועיבוד נתונים באותו מיקום, בניגוד לשבבים מסורתיים שמעבירים כל הזמן מידע בין זיכרון ויחידות עיבוד. העברה זו צורכת כמות גדולה של חשמל. הצוות פרסם את התוצאות בכתב העת Science Advances.
המכשיר מחקה קשרים עצביים במוח האנושי
החומר החדש משנה את תחמוצת הפניום עם תוספת של סטרונציום וטיטניום. תהליך הייצור הדו-שלבי יוצר חיבורי p-n בממשקי שכבות. ערוצים אלקטרוניים אלו שולטים בהתנגדות בצורה צפויה יותר.
שלא כמו ממריסטורים רגילים, המסתמכים על חוטים מוליכים לא יציבים, זה מחליף מצבים דרך מחסום האנרגיה בממשקים. התוצאה היא מיתוג חלק ואחיד. בדיקות הראו זרמי מיתוג נמוכים בכפי מיליון מאשר במכשירים דומים. הרכיב שומר על מאות רמות מוליכות יציבות.
זה מאפשר מחשוב אנלוגי בזיכרון. החוקרים מדגישים שהמכשיר משכפל פלסטיות תלוית זמן ירי, מנגנון מפתח ללמידה בנוירונים ביולוגיים.
- פועל בזרמים נמוכים במיוחד
- כולל אחידות גבוהה בין מחזורים והתקנים
- שומר על מצבים מתוכנתים למשך יממה בערך
- מפגין התנהגויות למידה דמויות מוח
צריכה נוכחית של AI מניעה את החיפוש אחר חלופות
מערכות בינה מלאכותית מודרניות משתמשות באנרגיה רבה בגלל ארכיטקטורת פון נוימן. נתונים מסתובבים בין הזיכרון למעבד כל הזמן. הביקוש גדל במהירות עם התרחבות הבינה המלאכותית במגזרים שונים.
מחשוב נוירומורפי מופיע כפתרון. הוא משלב זיכרון ועיבוד, כפי שמתרחש במוח. מומחים מעריכים הפחתה של עד 70% בהוצאות האנרגיה. מכשיר קיימברידג’ נע בכיוון זה ביציבות מעולה.
הצוות בראשות Babak Bakhit מתגבר על אתגרים טכניים
ד”ר Babak Bakhit, מהמחלקה למדעי החומרים והמטלורגיה באוניברסיטת קיימברידג’, מוביל את העבודה. יש לו גם זיקה למחלקה להנדסה. החוקר בילה שנים בניסויים עד שהתאים את תהליך הייצור.
הוספה המבוקרת של חמצן לאחר השכבה הראשונה הייתה מכרעת. תוצאות חיוביות הופיעו בסוף 2025. המכשיר הראה יציבות על פני עשרות אלפי מחזורי מיתוג.
ובכל זאת, התהליך הנוכחי דורש טמפרטורות של סביב 700 מעלות צלזיוס. זה מקשה על האינטגרציה עם ייצור מוליכים למחצה סטנדרטיים. הצוות מחפש כעת להפחית את הטמפרטורה הזו.
פוטנציאל יישום בחומרה נוירומורפית
אם הם יתגברו על המכשול התרמי, החוקרים מאמינים שהמכשיר יכול להשתלב בשבבים בקנה מידה. ההתקדמות תסלול את הדרך למערכות בינה מלאכותית יעילות וניתנות להתאמה.
הרכיב מציע אחידות יוצאת דופן ויכולת לעבור בין מדינות רבות. מאפיינים אלו חיוניים לחומרה שלומדת באופן טבעי, במקום רק לאחסן ביטים.
השלבים הבאים למחקר בקיימברידג’
הפרסום ב-Science Advances מפרט את המנגנון של חיבורי pn אסימטריים מורחבים. כותרת המאמר היא “סינפסות ממריסטיב מבוססות HfO2 עם ממשקי p-n הטרו-ממשקים מורחבים אסימטרית לחומרה נוירומורפית חסכונית באנרגיה”.
הצוות ממשיך בבדיקות כדי לשפר את התאימות התעשייתית. ההתמקדות היא בהפחתת הטמפרטורה מבלי לאבד ביצועים. הצלחה בשלב זה יכולה להאיץ את האימוץ ביישומי AI מעשיים.