Naukowcy z University of Cambridge na łamach magazynu „Science Advances” opisali procesor, który naśladuje pracę neuronów w mózgu.

Podkreślają, że obecne systemy AI opierają się na tradycyjnych chipach komputerowych, które nieustannie przesyłają dane tam i z powrotem między pamięcią a jednostkami przetwarzającymi. Ten ciągły ruch zużywa ogromne ilości energii elektrycznej, a globalne zapotrzebowanie gwałtownie rośnie wraz z upowszechnianiem się AI w kolejnych branżach.

Tymczasem nowy chip ma konstrukcję memrystora, co znaczy, że jednocześnie przetwarza dane i je przechowuje. Badacze mówią o oszczędności energetycznej sięgającej nawet 70 proc. Ponadto ma dużo lepiej adaptować swoją pracę do zmieniających się wymagań programu.

– Zużycie energii jest jednym z kluczowych wyzwań współczesnego sprzętu dla AI – zwraca uwagę autor pracy dr Babak Bakhit z University of Cambridge. – Aby temu zaradzić, potrzebne są urządzenia działające przy niezwykle niskim prądzie, o bardzo dużej stabilności, znakomitej jednorodności między kolejnymi cyklami przełączania i między poszczególnymi urządzeniami, a także zdolne do przełączania się między wieloma różnymi stanami – tłumaczy.

Większość istniejących memrystorów jest oparta na tworzeniu maleńkich przewodzących włókien wewnątrz materiału wykonanego z tlenku metalu. Takie włókna zachowują się jednak w sposób nieprzewidywalny i zwykle wymagają wysokich napięć, co ogranicza ich przydatność w wielkoskalowych systemach przechowywania danych i obliczeniowych.

Naukowcy z Cambridge stworzyli natomiast nowy rodzaj wspomnianej warstwy – wykonanej na bazie hafnu, która przełącza się między stanami w inny sposób. Dodając stront i tytan, badacze zdołali utworzyć maleńkie bramki elektroniczne, czyli tzw. złącza p-n. Dzięki temu urządzenie może płynnie zmieniać swój opór poprzez przesuwanie wysokości bariery energetycznej na granicy między warstwami, zamiast przez tworzenie lub zrywanie włókien przewodzących.

– Urządzenia oparte na włóknach przewodzących cechują się losowym zachowaniem. Nasze urządzenia przełączają się jednak na granicy między warstwami, dzięki czemu wykazują wyjątkową jednorodność zarówno między kolejnymi cyklami pracy, jak i między poszczególnymi egzemplarzami – wyjaśnia dr Bakhit.

W swoim systemie badacze uzyskali prądy przełączania około milion razy niższe niż w przypadku niektórych konwencjonalnych urządzeń opartych na tlenkach metali. Memrystory generowały też setki odrębnych, stabilnych poziomów przewodnictwa, co – jak wyjaśniają naukowcy – jest kluczowym wymogiem dla obliczeń wykonywanych bezpośrednio w pamięci.

Ponadto testy pokazały, że nowy memrystor może wytrzymać dziesiątki tysięcy cykli przełączania i przechowywać zaprogramowane stany przez około dobę. Odtwarzał też podstawowe reguły uczenia się obserwowane w biologii, takie jak plastyczność zależna od czasu impulsów – mechanizm, dzięki któremu neurony wzmacniają lub osłabiają swoje połączenia w zależności od tego, kiedy docierają do nich sygnały.

– To właśnie są potrzebne właściwości, jeśli chce się mieć sprzęt, który potrafi się uczyć i dostosowywać, a nie tylko przechowywać bity – mówi prof. Bakhit.

Nadal pozostają jednak do pokonania pewne wyzwania. Najważniejsze polega na tym, że obecny proces wytwarzania układu wymaga temperatur rzędu 700 st. C, czyli wyższych niż standardowo dopuszczane w produkcji półprzewodników. Naukowcy pracują już jednak nad sposobem obniżenia tej temperatury.

Marek Matacz (PAP)

mat/ bar/