如何讓 AI 系統省電七成？劍橋大學新型奈米元件突破耗能瓶頸

lionking0809

人工智慧（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。傳統電腦架構在記憶體與處理單元之間頻繁傳輸資料，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奈米電子元件，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。研究團隊利用改進後的二氧化鉿（Hafnium oxide）開發出一種高度穩定的低能耗「憶阻器」（Memristor）。此種元件的設計靈感來自於大腦神經元高效連接與溝通的方式，能將資料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，劍橋團隊採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），並採用兩步生長製程，在氧化物層的介面處創造出微小的電子閘門，即「p-n 結」。此種結構讓元件能透過改變介面能壘來平滑調整電阻，而非依賴不穩定的導電絲，進而確保了元件在不同週期與裝置之間展現出卓越的一致性。

在效能表現方面，此種新型元件的切換電流比傳統氧化物憶阻器低了約 100 萬倍，並能提供數百個穩定的電導能階，這對於類比「記憶體內運算（In-Memory Computing）」至關重要。實驗室測試顯示，該元件能承受數萬次的切換週期，並能模擬生物學習行為，例如「脈衝定時依賴可塑性（Spike-Timing Dependent Plasticity）」，這意味著硬體不僅能儲存資料，還具備學習與適應的能力。

儘管潛力巨大，該技術目前仍面臨製造上的挑戰。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，團隊正致力於降低製程溫度，以使其能與現有的工業標準相容。他強調，若能成功解決溫度問題並將此元件整合至晶片系統中，將是 AI 硬體發展的一大跨越。

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製程，在第一層形成後才引入氧氣，才終於獲得理想的實驗結果。雖然目前仍處於早期階段，但其極低的耗能與優異的效能，為未來 AI 硬體的節能轉型帶來了曙光。

錄自：科技新報