Быстрое развитие искусственного интеллекта обострило проблему энергоэффективности современных вычислительных систем. Центры обработки данных расходуют всё больше электричества, а традиционные чипы не справляются с нагрузкой из-за архитектурных ограничений, связанных с необходимостью постоянно перемещать данные между процессором и памятью.
![]()
Фото из открытых источников / © GigaChat
Исследователи из Кембриджского университета предложили принципиально иной подход. Команда под руководством Бабака Бахита создала мемристор на основе оксида гафния, который объединяет хранение и обработку информации в одном устройстве. Как отмечается в публикации журнала Science Advances, это позволяет снизить энергопотребление алгоритмов искусственного интеллекта примерно на 70%.
«Мы приближаемся к концу разделения памяти и процессора», — подчёркивают авторы работы.
В отличие от обычных микросхем, где данные постоянно циркулируют между разными элементами, мемристор имитирует работу нейронов мозга, выполняя обе функции одновременно. Такой принцип обеспечивает минимальные потери энергии и высокую скорость вычислений.
Особенность новой разработки — тонкопленочная структура оксида гафния, легированного стронцием и титаном. Устройство способно хранить сотни уровней информации, а не только двоичные значения, и демонстрирует пластичность, зависящую от времени срабатывания (STDP) — ключевой механизм обучения биологических нейронных сетей.
«Эта архитектура удовлетворяет фундаментальным биологическим правилам, что позволяет аппаратному обеспечению учиться подобно мозгу», — отмечают исследователи.
Однако технология пока далека от массового внедрения. Производство таких мемристоров требует нагрева до 700 градусов Цельсия, что превышает стандартные промышленные процессы для полупроводников. Тем не менее, учёные считают, что именно нейроморфные вычисления станут основой вычислительной техники следующего десятилетия.
Открытие показало, что путь к решению энергетического кризиса ИИ лежит не в строительстве новых дата-центров, а в коренном пересмотре самой архитектуры процессоров. Будущее вычислительных систем всё больше напоминает устройство человеческого мозга — самого эффективного процессора, известного науке.
