如何讓AI系統省電七成？新型納米組件突破耗能瓶頸

環球零碳

碳中和領域的《新青年》

首圖來源：Shutterstock

人工智能（AI）技術飛速發展，其龐大的電力需求已成為產業面臨的重大挑戰。

傳統計算機架構在內存與處理單元之間頻繁傳輸數據，導致能源大量損耗。針對此問題，由劍橋大學領導的研究團隊開發出一種受人類大腦啟發的新型納米電子組件，有望將 AI 系統的耗能降低高達 70%。

這項研究成果已發表在《科學進展》（Science Advances）期刊。研究團隊利用改進后的二氧化鉿（Hafnium oxide）開發出一種高度穩定的低能耗「憶阻器」（Memristor）。此種組件的設計靈感來自于大腦神經元高效連接與溝通的方式，能將數據儲存與處理整合在同一位置，實現“類腦運算（Neuromorphic Computing）”。

與現有的憶阻器技術不同，劍橋團隊采取了創新的設計路徑。目前的憶阻器大多依賴在金屬氧化物材料內部形成微小的導電絲（Filaments），但此種方式往往具有不可預測性，且需要高電壓執行。研究人員透過引入鍶（Strontium）和鈦（Titanium），并采用兩步生長制程，在氧化物層的接口處創造出微小的電子閘門，即「p-n 結」。此種結構讓組件能透過改變接口能壘來平滑調整電阻，而非依賴不穩定的導電絲，進而確保了組件在不同周期與裝置之間展現出卓越的一致性。

在效能表現方面，此種新型組件的切換電流比傳統氧化物憶阻器低了約100萬倍，并能提供數百個穩定的電導能階，這對于模擬「內存內運算（In-Memory Computing）」至關重要。實驗室測試顯示，該組件能承受數萬次的切換周期，并能仿真生物學習行為，例如「脈沖定時依賴可塑性（Spike-Timing Dependent Plasticity）」，這意味著硬件不僅能儲存數據，還具備學習與適應的能力。

盡管潛力巨大，該技術目前仍面臨制造上的挑戰。目前的生產過程需要約 700°C 的高溫，這超出了標準半導體生產的限制。

研究負責人、劍橋大學材料科學與冶金系及工程系的 Babak Bakhit 博士表示，團隊正致力于降低制程溫度，以使其能與現有的工業標準兼容。他強調，若能成功解決溫度問題并將此組件整合至芯片系統中，將是 AI 硬件發展的一大跨越。

Bakhit 博士透露，他在研發過程中經歷了無數次失敗，直到去年 11 月底透過修改兩階段沉積制程，在第一層形成后才引入氧氣，才終于獲得理想的實驗結果。雖然目前仍處于早期階段，但其極低的耗能與優異的效能，為未來 AI 硬件的節能轉型帶來了曙光。

（轉自科技新報）

熱門閱讀

（點擊圖片跳轉閱讀）