ケンブリッジ大学が脳型メモリスタを開発、AIのエネルギー消費を最大70%削減へ

概要

ケンブリッジ大学の研究チームは、人間の脳の情報処理を模倣した新型ナノ電子デバイスを開発し、AIシステムのエネルギー消費を最大70%削減できる可能性を示した。このデバイスは「メモリスタ（memristor）」と呼ばれる素子をベースとしており、従来のGPU中心のアーキテクチャが抱えるエネルギー効率の課題に対して根本的なアプローチで挑む。研究成果は2026年4月23日にScienceDailyを通じて公表された。

現代のAIシステムは、データをメモリユニットと処理ユニットの間で絶えず往復させることでエネルギーを大量に消費する——いわゆる「メモリウォール問題」と呼ばれるフォン・ノイマン型アーキテクチャの根本的な制約だ。このデバイスはニューロン（神経細胞）が情報を同時に処理・保存する仕組みを電子回路で再現することで、このボトルネックを回避する。

技術的な詳細

開発チームが用いたのは改良型酸化ハフニウム（hafnium oxide）を材料としたメモリスタだ。従来のメモリスタでは予測不能な導電性フィラメントの形成が安定性の障壁となっていたが、この研究ではp-n接合部における制御されたスイッチングメカニズムを採用することで、この課題を克服した。製造プロセスでは2段階成長プロセスによってストロンチウムとチタンを添加し、既存の酸化物ベースのメモリスタに比べて顕著に高い安定性と均一性を実現している。

性能面では複数の指標で優れた結果を示した。スイッチング電流は従来の酸化物ベースのメモリスタと比較して約100万倍低く、数百の安定したコンダクタンスレベルをサポートする。耐久性についても実験室テストで数万回のスイッチングサイクルを通じた安定性を実証しており、1日間の状態保持も確認された。これらの特性がニューラルネットワークの推論処理における大幅な省エネルギー化を可能にする。

課題と今後の展望

実用化への最大の障壁は製造温度にある。このデバイスの製造には約700°Cの高温プロセスが必要であり、これは標準的な半導体製造プロセスが許容する温度を超えている。主任研究者のDr. Babak Bakhitはこの点を現段階での主な課題として挙げており、既存の製造ラインへの統合には追加の技術的検討が必要だ。

一方で、本研究はスウェーデン研究評議会、王立工学アカデミー、王立協会、英国研究・イノベーション機構（UKRI）から資金提供を受けており、Cambridge Enterpriseを通じて特許申請も進んでいる。データセンターの電力消費が社会的・環境的な課題として浮上する中、ニューロモーフィックコンピューティングに基づくハードウェアの革新は、AI基盤の持続可能性を高める上で重要な方向性の一つとして注目される。