耗電救星！AI讓系統省電7成 劍橋研發低耗能元件

記者許若茵／編譯

隨著AI發展，龐大電力需求成為產業發展一大挑戰。劍橋大學研究人員開發出一種受人腦啟發的新奈米電子元件，有望大幅降低AI系統的能源需求高達7成。

由劍橋大學領導的研究團隊打造出一種改良版氧化鉿材料，可作為高度穩定、低能耗的「記憶電阻器（memristor）」，這種元件旨在模擬神經元在大腦中高效連接與傳遞訊息的方式。研究成果已發表於《Science Advances》。

目前的AI系統仰賴傳統電腦晶片，需在記憶體與運算單元之間不斷傳輸資料。這種持續的資料移動會消耗大量電力，且隨著AI應用日益普及，能源需求也快速上升。神經形態運算（neuromorphic computing）提供另一種解法。這種架構模仿大腦，將資料儲存與運算整合於同一位置，可將能源消耗降低最多70%，同時以極低功率運作。此類系統也能像人腦一樣隨時間學習並自我調整。

更多科技工作請上科技專區：https://techplus.1111.com.tw/

「能源消耗是當前AI硬體的關鍵挑戰之一，」研究負責人、劍橋大學材料科學與冶金學系的Babak Bakhit博士表示。「要解決這個問題，需要具備極低電流、高穩定性、在多次切換與不同裝置間表現一致，以及能在多種狀態間切換的元件。」

多數現有記憶電阻器是透過在金屬氧化物中形成微小導電細絲來運作，但這些細絲行為不穩定，且通常需要較高電壓，限制了其在大規模運算與資料儲存中的應用。劍橋團隊採取不同策略。他們設計出一種基於氧化鉿的薄膜，不依賴導電細絲即可切換狀態。透過加入鍶與鈦，並採用兩階段製程，在材料層與層之間形成微小電子閘，也就是「p-n接面」。這種結構讓裝置可透過改變介面能障來平滑調整電阻，而非依賴細絲的生成或斷裂。

Bakhit解釋，這種設計克服了現有記憶電阻器的重大限制。「細絲型裝置存在隨機性問題，但我們的裝置在介面進行切換，因此在每次循環與不同裝置之間都展現出極高一致性。」新裝置的切換電流約比部分傳統氧化物記憶電阻器低一百萬倍，同時展現出數百個穩定導電層級，這對類比型「記憶內運算」至關重要。

實驗室測試顯示，該裝置可承受數萬次切換循環，並可將資訊保存約一天。此外，它也能模擬關鍵的生物學習行為，包括「尖峰時序依賴可塑性」（spike-timing dependent plasticity），即神經元之間連結強度會依訊號時間差改變。「如果你希望硬體能夠學習與適應，而不只是儲存資料，這些特性是必要的，」Bakhit說。

不過，這項技術仍面臨挑戰。目前製程需要約700°C的高溫，超出標準半導體製造的限制。「這是目前製造過程中的主要問題，但我們正努力降低溫度，使其更符合產業標準，」Bakhit表示。儘管如此，他認為該技術未來仍有機會整合進晶片系統。「如果能降低製程溫度並將這些裝置整合進晶片，將是重大突破。」

他補充，這項成果歷經多年嘗試才得以實現。「我花了將近三年時間，經歷了大量失敗。直到去年11月底，我們才看到第一個真正理想的結果。現在仍處於早期階段，但若能解決溫度問題，這項技術可能帶來顛覆性改變，因為它在大幅降低能耗的同時，也展現出極具潛力的性能。」

資料來源：scitechdaily