Il nuovo chip ispirato al cervello umano sviluppato dall’Università di Cambridge promette di segnare un punto di svolta nel campo dell’intelligenza artificiale. Basato su una nuova tipologia di memristore in ossido di afnio, il dispositivo è in grado di operare con correnti di commutazione fino a un milione di volte inferiori rispetto alle tecnologie tradizionali. Un risultato rilevante, soprattutto in un contesto in cui i data center AI stanno aumentando rapidamente i consumi energetici.
Come funziona il nuovo chip ispirato al cervello umano
Il progetto, guidato dal dottor Babak Bakhit, introduce un approccio innovativo nella progettazione dei memristori. A differenza dei dispositivi convenzionali, che si basano sulla formazione di filamenti conduttivi all’interno dell’ossido, questa nuova tecnologia utilizza una giunzione p-n autoassemblata all’interno del film sottile.
In particolare, i ricercatori hanno sviluppato un materiale multicomponente aggiungendo stronzio e titanio all’ossido di afnio. Questo consente la formazione di un’interfaccia tra uno strato p-type e uno n-type, permettendo al dispositivo di cambiare stato attraverso la variazione della barriera energetica, anziché tramite la crescita o la rottura di filamenti.
Il risultato è un comportamento molto più stabile e prevedibile: i memristori operano con correnti inferiori ai 10 nanoampere e sono in grado di generare centinaia di livelli distinti di conduttanza, avvicinandosi al funzionamento delle sinapsi biologiche.
Memristori: la chiave per ridurre l’energia AI
I memristori rappresentano una delle tecnologie più promettenti per l’AI, poiché consentono di memorizzare ed elaborare dati nello stesso punto fisico. Questo elimina il continuo trasferimento di informazioni tra memoria e processore, uno dei principali fattori di consumo energetico nei computer tradizionali.
Secondo lo studio pubblicato su Science Advances, sistemi neuromorfici basati su questi dispositivi potrebbero ridurre il consumo energetico fino a oltre il 70%. Inoltre, i nuovi memristori sviluppati a Cambridge mostrano prestazioni avanzate: una durata superiore a 50.000 cicli di commutazione e una stabilità operativa mantenuta per decine di migliaia di impulsi elettronici.
Anche l’energia richiesta per aggiornare lo stato sinaptico risulta estremamente ridotta, variando da circa 2,5 picojoule fino a 45 femtojoule, un dato che rafforza il potenziale di questa tecnologia per applicazioni ad alta efficienza.
Verso un futuro di AI sostenibile con chip a basso consumo
La riduzione drastica della corrente necessaria non si traduce solo in minori consumi, ma anche in una maggiore efficienza termica. Dispositivi di questo tipo potrebbero infatti ridurre il surriscaldamento, semplificando la gestione energetica nei sistemi AI.
Un altro elemento chiave è la capacità di replicare meccanismi tipici del cervello umano, come la plasticità sinaptica dipendente dal tempo degli impulsi. Questo rende i chip particolarmente adatti allo sviluppo di architetture neuromorfiche, in cui l’elaborazione delle informazioni avviene in modo più simile ai processi biologici.
Tuttavia, resta una sfida importante: il processo di fabbricazione richiede temperature di circa 700°C, superiori agli standard compatibili con le tecnologie CMOS tradizionali. I ricercatori stanno lavorando per abbassare questa soglia e rendere la produzione più facilmente integrabile nei processi industriali.
Applicazioni pratiche della tecnologia di Cambridge
Le caratteristiche dei nuovi memristori aprono la strada a numerose applicazioni. In ambito industriale e nei data center, potrebbero contribuire a ridurre significativamente i consumi energetici, rendendo l’AI più sostenibile e scalabile.
Allo stesso tempo, la possibilità di operare con livelli di energia così bassi li rende ideali anche per dispositivi edge e sistemi distribuiti, dove l’efficienza energetica è fondamentale. La capacità di mantenere stabilità e precisione operativa rappresenta un ulteriore vantaggio per applicazioni che richiedono affidabilità nel lungo periodo.
Chip ispirato al cervello: innovazione per l’AI del futuro
Il nuovo approccio sviluppato a Cambridge supera uno dei principali limiti dei memristori tradizionali: la variabilità casuale dei filamenti conduttivi. Grazie alla commutazione basata sull’interfaccia, i dispositivi mostrano una uniformità elevata tra cicli e tra diversi componenti, migliorando l’accuratezza computazionale.
Questo progresso potrebbe accelerare lo sviluppo di sistemi AI sempre più complessi, senza un aumento proporzionale dei consumi energetici. Inoltre, tutti i materiali utilizzati risultano compatibili con le tecnologie CMOS, e una domanda di brevetto è già stata presentata, segnalando l’interesse industriale verso questa innovazione.
Impatti concreti della nuova tecnologia AI
L’introduzione di questi memristori rappresenta un passo importante verso un’AI più efficiente. La combinazione tra bassi consumi, alta stabilità e capacità di elaborazione avanzata potrebbe ridefinire gli standard hardware nei prossimi anni.
Se le attuali limitazioni produttive verranno superate, questa tecnologia potrebbe contribuire a rendere l’intelligenza artificiale più accessibile, sostenibile e diffusa, sia nei grandi data center sia nei dispositivi di uso quotidiano.
Fonte: Tom’s Hardware
