Новый чип, имитирующий мозг, может сократить энергопотребление ИИ на 70%

Учёные создали новый тип наноэлектронного устройства, которое может значительно сократить энергопотребление систем искусственного интеллекта. Инновация работает, копируя то, как человеческий мозг обрабатывает информацию, предлагая более эффективную альтернативу современному «прожорливому» ИИ-оборудованию.

Исследовательская группа под руководством Кембриджского университета разработала модифицированную версию оксида гафния, которая функционирует как высокостабильный, энергоэффективный «мемристор» — компонент, созданный для имитации связей и коммуникации нейронов в мозге. Их выводы были опубликованы в журнале Science Advances.

Современный ИИ полагается на традиционные компьютерные чипы, которые постоянно перемещают данные между памятью и процессором. Этот процесс требует огромного количества электроэнергии. Нейроморфные вычисления предлагают другой подход, объединяя память и обработку в одном месте, подобно мозгу. Этот метод может сократить потребление энергии до 70%, одновременно позволяя системам учиться и адаптироваться более естественно.

«Энергопотребление — одна из ключевых проблем в современном аппаратном обеспечении ИИ», — сказал ведущий автор исследования доктор Бабак Бахтит. «Чтобы решить её, нужны устройства с чрезвычайно низкими токами, отличной стабильностью, выдающейся однородностью и способностью переключаться между многими различными состояниями».

Большинство существующих мемристоров работают, формируя крошечные проводящие нити внутри оксидных материалов. Эти нити часто ведут себя непредсказуемо. Кембриджские исследователи пошли другим путём, создав тонкую плёнку на основе гафния, которая переключает состояния через более контролируемый механизм. Вместо формирования и разрыва нитей устройство меняет своё сопротивление, регулируя энергетический барьер на интерфейсах слоёв.

«Поскольку наши устройства переключаются на интерфейсе, они демонстрируют выдающуюся однородность от цикла к циклу и от устройства к устройству», — объяснил Бахтит.

Испытания показали, что новые устройства работают на токах переключения примерно в миллион раз ниже, чем у некоторых обычных оксидных мемристоров. Они также могут достигать сотен стабильных уровней проводимости, что необходимо для аналоговых вычислений «в памяти». В лабораторных экспериментах устройства оставались стабильными в течение десятков тысяч циклов переключения и сохраняли запрограммированные состояния около суток. Они также продемонстрировали ключевое биологическое поведение обучения.

Несмотря на многообещающие результаты, остаются препятствия. Текущий производственный процесс требует температур около 700°C — выше, чем обычно допускается в стандартном полупроводниковом производстве. «Это главная проблема в нашем процессе изготовления устройств, — сказал Бахтит. — Но мы сейчас работаем над способами снизить температуру, чтобы сделать его более совместимым со стандартными промышленными процессами».

Прорыв стал результатом нескольких лет экспериментов. «Я потратил на это почти три года, — сказал Бахтит. — Было огромное количество неудач. Но в конце ноября мы увидели первые действительно хорошие результаты. Если мы сможем решить температурную проблему, эта технология может изменить правила игры, потому что энергопотребление намного ниже, и в то же время производительность устройств очень многообещающая».

Работа частично поддерживалась Шведским исследовательским советом, Королевской инженерной академией, Лондонским королевским обществом и UK Research and Innovation. Патентная заявка подана Cambridge Enterprise.