חוקרים מקיימברידג' פיתחו רכיב ננו-אלקטרוני חדש שמדמה את אופן הפעולה של נוירונים ופותר את אחת המגרעות הגדולות של חומרת AI היום — צריכת חשמל אדירה.
פורסם השבוע ב-ScienceDaily, על בסיס מאמר שיצא בכתב העת Science Advances.
הבעיה: שבבי AI סטנדרטיים מבזבזים אנרגיה עצומה רק בגלל שהם מעבירים נתונים הלוך ושוב בין יחידת הזיכרון ליחידת העיבוד. ככל שה-AI מתרחב ליותר תעשיות, צריכת החשמל הזו הופכת לחסם אמיתי.
הפתרון: הצוות שבראשו Dr. Babak Bakhit מאוניברסיטת קיימברידג' פיתח גרסה משודרגת של הפניום-אוקסיד שמתפקדת כ-memristor — רכיב שמשלב זיכרון ועיבוד באותו מקום, בדיוק כמו סינפסה במוח.
מה חדש כאן:
- מבנה ייחודי: החוקרים הוסיפו סטרונציום וטיטניום ויצרו צמתי p-n בין השכבות. הרכיב מחליף מצב על ידי שינוי מחסום אנרגיה בממשק — לא דרך יצירת חוטים מוליכים אקראיים כמו במכשירים קיימים.
- יציבות חסרת תקדים: בניגוד ל-memristors מסורתיים שסובלים מהתנהגות אקראית, הרכיב החדש מציג אחידות מצוינת ממחזור למחזור.
- צריכת חשמל מינורית: זרם המעבר נמוך פי מיליון בהשוואה לחלק מהמכשירים הקיימים.
- למידה ביולוגית: הרכיב הדגים את התופעה של spike-timing dependent plasticity — אותו מנגנון שבו נוירונים מחזקים או מחלישים קשרים על בסיס תזמון. כלומר חומרה שמסוגלת ללמוד ולהסתגל, לא רק לאחסן ביטים.
האתגר : תהליך הייצור הנוכחי דורש טמפרטורה של כ-700°C — חם מדי לתעשיית המוליכים למחצה הסטנדרטית. הצוות עובד עכשיו על הורדת הטמפרטורה כדי שאפשר יהיה לשלב את הטכנולוגיה בשבבים מסחריים.
לסיכום
אם הפיתוח יעבוד בקנה מידה תעשייתי, אנחנו מדברים על גיים צ'יינג'ר בכלכלת ה-AI. צריכת החשמל היא כיום צוואר הבקבוק של כל ההייפ: מרכזי הנתונים נחנקים, וחברות הענק נלחמות על כל מגה-וואט. שבבים נוירומורפיים שצורכים פי מיליון פחות אנרגיה יכולים להפוך AI ממכונה שרומסת את רשת החשמל למשהו שרץ בקצה, על המכשיר עצמו, וגם לומד תוך כדי. שלוש שנים של כישלונות במעבדה — ופתאום, זינוק.