磁性人工神经元实现五纳秒内触发,目标AI硬件功耗降至五百分之一

煤油灯科技2026-11-19 08:02

一种可在五纳秒内触发的人工神经元,目标使AI硬件功耗比当前系统低至五百分之一,从而推动类脑计算向日常设备靠近。

奥克兰大学的研究人员设计了一种人工神经元,将微型磁性器件与常规晶体管结合,以模拟人脑神经元的通信方式。该设计不依赖日益复杂的数字电路,而是利用磁性材料的自然行为处理信息,可能为更快、能效更高的AI芯片提供路径。

人工智能使用规模扩大,功耗已成为行业的主要挑战。大型AI模型需要巨大计算资源,推高数据中心用电,并使先进AI难以直接运行在便携或边缘设备上。

研究人员表示,人脑仍是高效计算的基准。它执行数十亿次操作仅消耗约20瓦功率,大致相当于一只家用灯泡的能耗。

相比之下,现代AI系统能耗显著更高。团队称,在完成可比任务时,当前AI推理硬件功耗可达人脑的约500倍,这构成对新硬件架构的强烈需求。

研究人员没有继续构建更大的处理器,而是从生物机制中寻找灵感。

研究人员表示,目标是让AI在日常设备上实用,而不是依赖大型数据中心;人脑的高效来自神经元通过短电脉冲而非连续计算进行通信。

磁隧道结与晶体管构成脉冲神经元

新型人工神经元由磁隧道结(MTJ)与主流电子器件中的标准晶体管配对构成,MTJ是一种纳米级磁性组件。

电流通过器件时,磁性元件自然切换状态并产生电脉冲,类似生物神经元的放电行为。由于该器件依赖其本征磁特性替代复杂数字逻辑,所需电路组件显著减少。

研究人员称,该神经元响应时间低于5纳秒,可在保持低能耗的同时以极高速度处理信息。

研究指出,传统AI芯片需在处理器与存储器之间反复搬运数据,而该磁性神经元在信息存储位置完成计算,减少不必要的数据传输;数据传输是AI功耗的主要来源之一。

该人工神经元并非仅以二值信号处理信息,而是通过电脉冲时序进行通信,类似大脑神经元。

研究人员将多个磁性神经元连接成小型神经网络进行验证。网络通过调整脉冲时序而非依赖传统数字计算,成功学习异或(XOR)任务;XOR是测试神经网络的常用基准。

团队表示,这种事件驱动方式意味着神经元在新信息到达前基本保持不活动,有助于降低不必要能耗。

面向低功耗AI硬件

若在硬件中得到验证,该技术可为机器人、自主系统、智能传感器、可穿戴电子及其他功耗受限的边缘设备提供高能效AI处理器。

该设计将传统CMOS晶体管与已用于商用存储技术的磁性器件结合,研究人员认为其更容易集成到现有半导体制造工艺中。

当前工作基于仿真,下一步是制造磁性神经元并在真实运行条件下进行实验验证。若成功,该方法可为不仅更快且能效显著更高的AI硬件提供可行路径。

该研究发表于IEEE Transactions on Circuits and Systems。

 

---煤油灯科技victorlamp.com编译整理---

你可能也喜欢这些文章

科技互联网,科技,资讯,动态,洞察,量子,计算,AI,人工智能,机器人,区块链,Web3,分布式,操作系统,OS,芯片,视频,深度,论文