Новые нейроморфные чипы сократят энергопотребление систем ИИ на 70%

Воспроизведение возможностей человеческого мозга считается одной из самых сложных задач в современной науке. Теоретически для этого могут потребоваться тысячи графических процессоров NVIDIA H100. При потребляемой мощности каждого чипа в 700 Ватт общие затраты энергии достигают мегаваттного диапазона. Для сравнения, человеческий мозг работает всего на 20 Ваттах. Вдохновившись биологической эффективностью, ученые Кембриджского университета разработали наноустройство, способное снизить энергопотребление аппаратного обеспечения для искусственного интеллекта на 70%.

Преимущества нейроморфной архитектуры

В современных компьютерах блоки памяти и процессоры физически разделены, из-за чего данные постоянно перемещаются между ними. Этот процесс требует огромного количества электроэнергии. Исследователи предложили решение в области нейроморфных вычислений — систем, которые имитируют работу биологического мозга. Ученые создали ультранизкомощный мемристор — устройство, которое может одновременно хранить и обрабатывать информацию в одной точке, подобно синапсам в мозге.

В отличие от обычных транзисторов, мемристоры сохраняют состояние памяти даже при отключении питания. Однако существующие модели на основе оксидов часто работают нестабильно из-за случайного формирования проводящих каналов внутри материала. Кембриджская группа применила принципиально иной подход:

• Использование материала на основе оксида гафния с добавлением стронция и титана.
• Создание внутренних электронных барьеров (p-n переходов), аналогичных тем, что используются в классических полупроводниках.
• Управление электрическим сопротивлением через изменение высоты энергетического барьера, а не через разрушение проводящих путей.

Рекордные показатели эффективности

В статье, опубликованной в журнале Science Advances, отмечается, что новая технология решает проблему непредсказуемости мемристоров. Благодаря переключению на границе раздела материалов устройства демонстрируют исключительную равномерность работы. Экономия энергии оказалась существенной: ток переключения составил всего 10⁻¹¹ ампер, что примерно в миллион раз ниже, чем у стандартных оксидных мемристоров.

Еще одним прорывом стала способность чипа работать в аналоговом режиме. Традиционные цифровые системы оперируют двоичным кодом (включено или выключено), в то время как биологические синапсы меняют силу связи постепенно. Новые устройства продемонстрировали сотни стабильных уровней проводимости, что критически важно для создания аналоговых систем, имитирующих мозг.

Биологическое обучение и производственные задачи

Разработчики подтвердили, что аппаратное обеспечение способно воспроизводить механизмы биологического обучения. В частности, была продемонстрирована пластичность, зависящая от времени импульса (STDP) — это процесс, при котором сила связи между нейронами меняется в зависимости от того, когда именно поступили сигналы. Фактически «железо» начинает вести себя не как статичная память, а как адаптивная живая ткань, способная к обучению.

Несмотря на многообещающие результаты, перед массовым внедрением технологии стоят серьезные инженерные вызовы. Текущий процесс изготовления требует температуры около 700 °C, что значительно превышает допуски стандартного производства полупроводников. В настоящее время команда работает над снижением температуры синтеза, чтобы интегрировать новые компоненты в существующие производственные линии. Если эта проблема будет решена, устройства нового типа станут основой для сверхэффективного оборудования ИИ, потребляющего лишь малую часть энергии современных систем.