Ερευνητές από το Πανεπιστήμιο του Κέιμπριτζ ανέπτυξαν έναν νέο τύπο νανοηλεκτρονικής συσκευής που θα μπορούσε να μειώσει δραστικά την κατανάλωση ενέργειας των συστημάτων τεχνητής νοημοσύνης. Η καινοτομία βασίζεται στην αντιγραφή του τρόπου με τον οποίο ο ανθρώπινος εγκέφαλος επεξεργάζεται τις πληροφορίες, προσφέροντας μια εξαιρετικά αποδοτική εναλλακτική λύση στο σημερινό ενεργοβόρο υλικό AI.
Η ερευνητική ομάδα δημιούργησε μια τροποποιημένη έκδοση οξειδίου του αφνίου που λειτουργεί ως «memristor» (μνήμη-αντιστάτης). Σε αντίθεση με τα συμβατικά τσιπ υπολογιστών που μετακινούν συνεχώς δεδομένα μεταξύ μονάδων μνήμης και επεξεργασίας —μια διαδικασία που απαιτεί τεράστιες ποσότητες ηλεκτρικής ενέργειας— η νευρομορφική υπολογιστική συνδυάζει μνήμη και επεξεργασία σε ένα σημείο, όπως ακριβώς και ο εγκέφαλος.
Σταθερότητα και Ακρίβεια
Ένα από τα κύρια προβλήματα των υπαρχόντων memristors είναι η απρόβλεπτη συμπεριφορά τους λόγω του σχηματισμού αγώγιμων ινών. Οι ερευνητές του Κέιμπριτζ έλυσαν αυτό το ζήτημα σχεδιάζοντας ένα φιλμ που αλλάζει καταστάσεις μέσω ενός πιο ελεγχόμενου μηχανισμού στις διεπαφές των στρωμάτων του υλικού.
«Η κατανάλωση ενέργειας είναι μία από τις βασικές προκλήσεις στο τρέχον υλικό AI», δήλωσε ο επικεφαλής συγγραφέας Dr. Babak Bakhit. «Οι συσκευές μας παρουσιάζουν εξαιρετική ομοιομορφία από κύκλο σε κύκλο και από συσκευή σε συσκευή, επειδή η εναλλαγή γίνεται στη διεπαφή και όχι μέσω τυχαίων ινών».
Μάθηση όπως ο Εγκέφαλος
Οι δοκιμές έδειξαν ότι οι νέες συσκευές λειτουργούν με ρεύματα περίπου ένα εκατομμύριο φορές χαμηλότερα από τα συμβατικά memristors. Επιπλέον, επέδειξαν βασικές βιολογικές συμπεριφορές μάθησης, επιτρέποντας στις συνδέσεις τους να ενισχύονται ή να εξασθενούν ανάλογα με τον χρόνο — μια διαδικασία απαραίτητη για υλικό που μπορεί να μαθαίνει και να προσαρμόζεται.
Αν και η διαδικασία κατασκευής απαιτεί επί του παρόντος υψηλές θερμοκρασίες (περίπου 700°C), η ομάδα εργάζεται για τη βελτιστοποίηση της μεθόδου ώστε να είναι συμβατή με τις πρότυπες βιομηχανικές διαδικασίες παραγωγής ημιαγωγών.
Πηγή: ScienceDaily (23/04/2026)