A mesterséges intelligencia rohamos terjedésének egyik legnagyobb gátja jelenleg a fenntarthatatlan energiaigény. A Cambridge-i Egyetem kutatói azonban olyan technológiát mutattak be, amely alapjaiban változtathatja meg a számítástechnika hardveres hátterét. Az emberi agy működését utánzó, úgynevezett memrisztorok alkalmazásával az AI-rendszerek energiafogyasztása a töredékére csökkenhet, miközben a feldolgozási sebesség jelentősen javul. Ez a neuromorfikus megközelítés nemcsak elméleti áttörés, hanem a fenntartható tech-ipar egyik legfontosabb mérföldköve lehet a következő évtizedben.
A Neumann-elv korlátai és az új megoldás
A jelenlegi számítógépek nagy része a hagyományos Neumann-architektúrára épül, ahol a processzor és a memória fizikailag elkülönül egymástól. Az adatok folyamatos mozgatása e két egység között óriási energiát emészt fel és lassítja a folyamatokat. A Cambridge-i kutatócsoport által fejlesztett eszközök ezzel szemben a biológiai szinapszisokhoz hasonlóan működnek: egyszerre képesek az adatok tárolására és feldolgozására. Ez a megoldás kiküszöböli az adatátviteli szűk keresztmetszetet, ami az AI-modellek betanításakor és futtatásakor a legfőbb energiaveszteséget okozza.
Memrisztorok: a memóriával rendelkező ellenállások
A fejlesztés központjában a memrisztorok állnak, amelyek olyan elektronikai alkatrészek, amelyek képesek „emlékezni” a rajtuk korábban áthaladt elektromos töltés mennyiségére. A kutatók fém-oxid alapú anyagokat használtak, amelyeket speciális eljárással módosítottak, hogy azok viselkedése hasonlítson az emberi neuronok közötti kapcsolatokhoz. A technológia különlegessége, hogy nem csupán bináris (0 és 1) állapotokat képes felvenni, hanem egyfajta analóg tartományban működik, így sokkal több információt képes sűríteni ugyanakkora fizikai felületen, mint a hagyományos tranzisztorok.
Drrasztikus energiahatékonyság a gyakorlatban
A kutatási adatok szerint ezek a memrisztor-alapú chipek akár ezerszer kevesebb energiát igényelhetnek bizonyos AI-műveletek során, mint a jelenleg használt csúcskategóriás GPU-k. Ez különösen kritikus az edge computing területén, ahol az eszközök (például okostelefonok, orvosi implantátumok vagy önvezető autók) korlátozott akkumulátorkapacitással rendelkeznek. A technológia lehetővé teszi, hogy a komplex gépi tanulási folyamatok ne a távoli szerverparkokban, hanem közvetlenül a végfelhasználói eszközön fussanak le, minimális hőtermelés mellett.
| Jellemző | Hagyományos félvezető (GPU) | Cambridge-i memrisztor chip |
|---|---|---|
| Működési elv | Neumann-architektúra (szétválasztott egységek) | Neuromorfikus (integrált memória és processzor) |
| Energiafogyasztás | Magas (folyamatos adatmozgatás miatt) | Rendkívül alacsony (helyben történő feldolgozás) |
| Adatkezelés | Digitális (0/1) | Analóg/Többszintű (szinapszis-szerű) |
| Fő előny | Nagy nyers számítási teljesítmény | Energiahatékonyság és helyi intelligencia |
Magyar tudományos közreműködés a siker mögött
A projekt tudományos jelentőségét növeli a magyar vonatkozás: a kutatást Dr. Messaris Ioannis és munkatársai mellett jelentős részben a Cambridge-i Egyetemen dolgozó magyar szakemberek, köztük a publikáció egyik kulcsszereplője, Miklós Gergely és a kutatócsoportot vezető szakértők segítették. A magyar tudományos közösség aktív jelenléte a Cambridge-i technológiai fejlesztésekben ismét bizonyítja, hogy a hazai szakemberek meghatározó szerepet játszanak a globális AI-forradalom hardveres alapjainak lefektetésében.
A jövő kilátásai és a piacra kerülés
Bár a technológia laboratóriumi körülmények között már bizonyított, a tömeggyártásig még több akadályt le kell küzdeni. A legfontosabb feladat a memrisztorok gyártási stabilitásának növelése és a meglévő szilícium-alapú infrastruktúrával való integrációja. A kutatók szerint a következő 5-10 évben jelenhetnek meg az első olyan kereskedelmi forgalomban kapható chipek, amelyek hibrid módon, memrisztorokat is tartalmazva segítik az AI-műveleteket. Ha a skálázás sikeres lesz, az AI nemcsak okosabb, hanem végre fenntarthatóbb is lehet.
