人工知能
メモリスタがAIをより人間らしくする方法
Securities.io を Google の優先ソースに追加
ニューロモルフィック、脳に似たAIハードウェアの台頭
As AIがテック業界の中心になるにつれ、拡大する問題が浮上しています: CPUやGPUで実行された場合のAIの膨大な計算量とエネルギー需要です。
研究者はニューロンを模倣したAIハードウェアであるニューロモルフィックチップ、別名ニューラルプロセッシングユニット（NPU）に注力しています。
“私たちのチップやコンピュータがやっていることに対して十分に強力でないわけではありません。効率が足りないのです。エネルギーを使いすぎています。”
教授 Joshua Yang – University Of Southern California
脳にインスパイアされたハードウェアへの転換は、人工知能へのアプローチを変える可能性があります。ニューロモルフィック設計は従来のチップに比べて3つの大きな利点を提供します:
- 適応型アーキテクチャ: トレーニングデータに基づいて自己再構成できる回路。
- 抜本的なエネルギー効率: 場合によってはGPUの電力の1/100th以下で動作します。
- 低熱出力: 現在のAIデータセンターを悩ませる高コストな冷却要件を削減します。
(こちらでこのトピックについて。）
“実際の神経活動を模倣するマイクロチップを開発できることは、スタンバイ時や機械が使用されていない時に多くの電力を必要としないことを意味します。
これは計算上および経済上の大きな潜在的利点となり得ます。」
研究者はニューロモルフィックチップを作成するための有望な手法をいくつかテストしています。あるアプローチは初期強誘電性の活用です—これはまだ十分に理解されていない現象で、適切な条件下で材料が自発的に電気分極を切り替えることを可能にします。別のアプローチはバナジウムまたはチタン製のアクティブ基板に焦点を当てており、これらの材料は電気特性を動的に変化させて脳に似た信号伝達を模倣できます。
おそらく最も広く議論されている道はメモリスタの使用です—抵抗変化によって情報を保存できる革命的な電子部品のクラスです。これらのデバイスは通常の電力消費の1/800thでAIタスクを実行でき、開発中の最もエネルギー効率の高いソリューションの一つです。
メモリスタがシナプスを模倣する方法
スワイプしてスクロール →
| 機能 | CPU | GPU | NPU / メモリスタチップ |
|---|---|---|---|
| アーキテクチャ | シーケンシャル、汎用 | 並列、マトリックス指向 | 脳にインスパイアされた、適応型 |
| エネルギー使用 | 高 | 中程度から高 | 極めて低（1/100–1/800 の電力） |
| 学習効率 | 遅い、外部メモリ | 高速トレーニング、外部メモリ | メモリ内、自己適応 |
| 最適使用ケース | 汎用コンピューティング | AIモデルのトレーニング | エッジAI、ロボティクス、低電力AI |
メモリスタはニューロン接続シナプスを模倣する電子部品です 電源が切れた後にどの電気状態に切り替えられたかを記憶することで。
これにより、プロセッサとメモリ間でデータをやり取りする際に失われるエネルギーと時間を大幅に削減できます。
メモリスタの主要な強みの一つは、ロボティクスや自律走行車への応用に不可欠な、効率的で自己適応的なインシチュ学習能力です。
さらに、メモリスタの低消費電力は、エネルギー効率が最重要視されるロボティクスや自律走行車に特に有益です。
最高のメモリスタを作成するための多くの道が探求されています。比較的従来型のチタン酸化物メモリスタから、実際のヒトニューロン（オルガノイド）や、さらにはキノコの使用までです。
有機材料、特に実際のニューロンを使用してニューロンの活動を模倣するという考えは理論的には理にかなっています。しかし、実際にはそのような「コンピュータ」を従来のITシステムと接続することは課題があります。
“私たちの既存のコンピューティングシステムは、膨大なデータを処理したり、数例だけで自律的に学習するようには設計されていませんでした。
エネルギーと学習効率の両方を向上させる一つの方法は、脳で観察された原理に従って動作する人工システムを構築することです。
この非効率性は人間の脳と比較すると驚異的です。幼い子どもは各数字の数例を見るだけで手書き数字を認識できるのに対し、コンピュータは同じタスクを達成するために通常は数千例が必要です。
さらに、人間の脳は約20Wの電力でこの成果を達成しますが、最新のAIデータセンターはGW規模、すなわち約1億倍以上の電力を消費しています。
新たな中間的選択肢として、基本原理でニューロンのように機能する人工チップを作成することが考えられます。これは、南カリフォルニア大学、カリフォルニア大学、マサチューセッツ大学、シラキュース大学、空軍研究所、NASAエイムズ研究センターの研究者が取っている道です。
彼らはその結果を Nature Electronics1 に掲載し、タイトルは「単一拡散メモリスタ、単一トランジスタ、単一抵抗器に基づくスパイキング人工ニューロン」です。
拡散メモリスタを用いたニューロンの発火再現
ニューロンはどのように機能するか？
ニューロンが相互作用し、最終的に情報を処理する方法は、電気信号と化学信号の両方を使用します。
信号が十分に強い場合、正に帯電したナトリウムイオンが細胞内に流入することで、アクションポテンシャルと呼ばれる電気インパルスが生成されます。
この電気信号が受信されると、神経伝達物質の放出が引き起こされます。
これまで、電子メモリスタと相補型金属酸化膜半導体（CMOS）回路は電気信号を用いてこの機能を仮想的にシミュレートしてきましたが、ニューロンをシミュレートするには数百個のトランジスタが必要でした。
代わりに、研究者は「拡散メモリスタ」と呼ばれるデバイスを開発し、実際の化学相互作用を利用して計算プロセスを開始します。
拡散メモリスタとは何か、そしてどのように機能するか？
従来のシリコンシステムが電子を利用して計算を行うのに対し、拡散メモリスタは原子の動きを利用します。酸化物材料に埋め込まれた銀イオンを使用して、自然な脳機能を模倣する電気パルスを生成します。
もちろん、これはニューロンの動作を完全に再現するわけではありませんが、原理は非常に似ています。
“たとえ人工シナプスとニューロンのイオンが完全に同じでなくても、イオンの動きを支配する物理とダイナミクスは非常に似通っています。”
教授 Joshua Yang – University Of South California
この類似性の一因は、銀イオンがこのメモリスタシステムで拡散しやすいことに起因し、これは有機細胞内でナトリウムイオンが移動できるのと似ています。
銀に加えて、メモリスタはパラジウム、シリコン、チタン、ハフニウムも使用します。この研究では、電気刺激に応答した銀の拡散をリアルタイムで可視化できました。
スワイプしてスクロール →
| 層 / 材料 | デバイス内での役割 | 重要性 |
|---|---|---|
| 銀（Ag）イオン | スパイク用の可動種 | 容易に拡散し、ニューロン発火に似たイオン駆動パルスを可能にする |
| 酸化物マトリックス（例：HfO2） | イオンホスト／スイッチング媒体 | イオンの動きとフィラメント形成を制御し、メモリスタ状態を実現する |
| パラジウム（Pd） | 電極／触媒インターフェース | 安定した接触と好ましい界面化学 |
| チタン（Ti） | 接着／バリア層 | 電極の安定性とスタックの完全性を向上させる |
| シリコン（Si） | 基板／CMOS統合 | トランジスタのフットプリント内での垂直統合を可能にする |
将来：ニューロモルフィックチップとエネルギー効率の高いAI
この新型メモリスタの主な利点は、単一トランジスタのフットプリント内に収まる点で、従来の設計は数十から数百が必要でした。
最初のテストでは、ほんの数個の拡散メモリスタを使用し、これらが現在ほぼすべてのAIシステムで使用されている典型的な多層ニューラルネットワークの構築に利用できることを示しました。
次のステップは、これらのシステムをさらに多数組み立て、実際にAIタスクを実行する際の効率をテストすることです。
“私たちは、チップサイズを桁違いに縮小し、エネルギー消費も桁違いに削減するための基礎ブロックを設計しています。
これにより、将来的に同等の知能レベルでAIを実行でき、持続不可能なエネルギーを消費せずに持続可能になります。
他のイオンが使用できるか調べることも有用です。銀イオンは半導体製造で一般的に使用されていないため、業界によるこの設計の採用速度が制限される可能性があります。
拡散メモリスタのもう一つの効果は、生物学的脳の働きをよりよく理解するのに役立つ可能性があることです。
長期的には、ロボットや自律走行車がAIデータセンターに接続せずに判断を下す必要があるような、いわゆる「エッジコンピューティング」では特に有用になると考えられます。
ニューロモルフィックチップメーカーへの投資
Intel
Intel (INTC ) は半導体セクターの巨人であり、創業者から業界の科学・イノベーションリーダーへと進化してきましたが、製造量のトップは台湾のTSMCなどに奪われています。
IntelはLoihi 2チップを通じて、ニューロモルフィックコンピューティングのリーダーでもあります。
また、Intel Neuromorphic Research Communityを創設し、バナジウム酸化物研究に関わるペンシルベニア州立大学や、他の多数の潜在的ニューロモルフィック設計、さらに75以上の研究グループが参加しています。
INTC 価格チャート
Intelは、脳の働きを再現することで生物学的感覚を模倣することにも非常に積極的であり、これは当社の記事「バイオミメティック嗅覚チップ：人工知能とE-ノーズは炭鉱の次のカナリアか？」でさらに詳しく論じました。
全体として、Intel Labの研究はAI、量子コンピューティング、ニューロモルフィックコンピューティングなど、半導体イノベーションの最前線にあります（Intelの量子コンピューティングの進展については当社の記事「量子コンピューティングの現状」で論じました）。
また、Intelの現在の事業とR&Dプログラムについて、当社の専用投資レポートで詳しく読むことができます。
最新のIntel（INTC）株式ニュースと開発状況
参照研究
1. Zhao, R., Wang, T., Moon, T. et al. 単一の拡散メモリスタ、単一のトランジスタ、単一の抵抗器に基づくスパイキング人工ニューロン. Nature Electronics (2025). https://doi.org/10.1038/s41928-025-01488-x
