脳のように動作する再構成可能コンピュータ

インド科学研究所（Indian Institute of Science）のエンジニアは、化学組成を変えるだけで複数の計算タスクを切り替えることができる次世代コンピュータチップを最近発表しました。この新しい設計は人間の脳からヒントを得ており、単に学習するだけでなく知識が組み込まれた将来のAIシステムへの道を開きます。以下が知っておくべきポイントです。

コンピューティングの未来を切り開くには、枠にとらわれない発想が必要です。チップが設計上の理論的限界に達すると、計算能力をさらに向上させるために新しいアプローチを構成しなければなりません。

チップ製造

次世代電子デバイスに電力を供給するために、より高速で小型のチップを開発する際、シリコンは主要な選択肢と見なされています。この豊富で安価な半導体は、許容できるキャリア移動度を提供し、他の材料と組み合わせて電流が流れると絶縁体と導体の両方として機能します。

さらに、酸化シリコン（シリカ）は薄いシート状に成長させることができ、多層回路設計をサポートします。この特性により、現在のマイクロ・ナノエレクトロニクスでの使用に最適です。しかし、この材料には深刻な欠点もあります。

シリコンの加工は使用される化学物質のため環境に有害になる可能性があります。また、ナノエレクトロニクスを搭載する能力にも限界があります。ゲート長が7nm未満のデバイスは多くの干渉を受けやすく、信号漏れや量子トンネル効果などさまざまな理由で中断が発生します。

ナノエレクトロニクス

ナノエレクトロニクスは、ミニチュア化の次の段階です。100nm未満のこれらのデバイスは、従来の物理学よりも量子力学の影響を受けやすく、その相互作用によりインターフェースの変化や他の非線形応答が生じます。

ニューロモルフィックコンピューティング

回路をナノスケールに縮小すると、機械的プロセスに依存してタスクを実行することが極めて困難になります。そのため、エンジニアは情報を保存し計算を行うためにニューロモルフィックコンピューティングに転向しました。これらのデバイスは脳に基づいています。

ニューロモルフィックコンピュータは酸化物材料とフィラメントスイッチングを利用して計算タスクを実行します。この構造は現在のコンピューティング手法を単に縮小し、学習を模倣します。この戦略は、データが自然な構造の一部として組み込まれたデバイスを作ることとは異なります。

その結果、科学者は物理的表面を変えることなくデータを保存・計算・適応できる高度な材料の開発に多大な努力を注いできました。しかし、そのような構造を作り出す複雑さは未だ解明されていません。

分子エレクトロニクス

さらに小型で多用途な機械を作りたいという欲求から、分子エレクトロニクスのエンジニアは原子間相互作用や量子現象を記録し、最終的に高精度で予測できることを目指しました。

しかし、この課題は不可能に思われました。今月、科学者チームが画期的な研究を発表し、これらの動作を信頼性高く予測・制御できることを示すまで、状況は変わりませんでした。

再構成可能コンピュータ研究

インドのセンター・フォー・ナノサイエンス・アンド・エンジニアリング（CeNSE）のエンジニアと科学者は、”Molecularly Engineered Memristors for Reconfigurable Neuromorphic Functionalities¹” という研究で分子エレクトロニクスの教科書を書き換えました。

ソース – Advanced Materials

この論文は、電気、化学、物理工学の最近の進歩を結集し、化学組成を調整してメモリユニット、論理ゲート、プロセッサ、または電子シナプスとして機能できるナノスケールデバイスを作り出します。

適応可能な分子デバイス

この研究の成功は、化学が計算活動を支えるだけでなく、直接提供できることを示しています。また、この適応性により、同一デバイスが材料を追加したり形状を変えたりせずに、メモリと計算ユニットの両方として機能できます。

予測フレームワーク

エンジニアが最初に取るべきステップの一つは、化学変化が電気輸送に与える影響を予測する方法を作ることでした。具体的には、膜を通過する分子を正確に追跡できる量子化学モデリングアルゴリズムを開発しました。

このアルゴリズムは、酸化・還元が各分子に与える影響や、全体の分子マトリックスとの相互作用など、他の多数の関連データも含んでいました。このデータを用いて分子全体の安定性を評価し、リアルタイムでカウンターイオンの変化を記録しました。

予測アルゴリズムを装備したエンジニアは、スイッチング挙動を利用して単一デバイスをストレージや計算活動などに変換する方法を予測し始めました。このアルゴリズムにより、エンジニアは有機ルテニウム錯体を用いて局所的な分子環境と分子間相互作用を正確に調整できます。

メムリスタ応答

アルゴリズムを指針として、チームは単一回路をプログラム的に変調することに成功しました。印象的なのは、デジタル、アナログ、2進、3進メモリなど、複数のモダリティを実現したことです。

このタスクを達成するために、ルテニウム分子を取り巻くリガンドとイオンを調整する必要がありました。この適応性は、さまざまな導電率を含むように拡張され、固体デバイスの機能を動的に再構成します。

スワイプしてスクロール →

再構成可能コンピュータテスト

理論を検証するため、科学者は目的別に設計されたルテニウム錯体を作成する必要がありました。彼らは本研究のために17種を構築し、分子構成とイオン設定の微細な変化を監視できました。

デバイスの製造はパラヴィ・ガウアが主導しました。ガウアは、材料を変えることなくストレージ、計算、再構成を切り替えることができたと報告しています。この能力により、デバイスは脳の動作に非常に近く、ニューロモルフィックコンピューティングの科学を前進させます。

再構成可能コンピュータテスト結果

テスト結果は、同一材料内でメモリと計算を統合できるというエンジニアの理論を裏付けました。また、化学が計算を実行するために使用でき、デバイスのアクティブ部品を補完するだけでないことも示しました。その結果、この研究はナノコンピューティングと化学工学技術を結びつけ、より小型で強力な量子デバイスへの道を開きます。

再構成可能コンピュータの利点

再構成可能コンピュータの研究は市場にもたらす利点がいくつかあります。まず、新たなスケールでナノスケールエレクトロニクスへの道を開きました。過去には、これらのデバイスは信頼性が失われるほど小さくしか作れませんでした。

この新しいアプローチにより、固体デバイスはメモリ要素、論理ゲート、セレクタ、アナログプロセッサ、または電子シナプスとして複数の計算タスクを実行できます。この柔軟性は、将来のエンジニアがより高性能で軽量なデバイスを設計するのに役立ちます。

干渉の低減

この構造は、分子スケールデバイスにおける量子トンネル効果やその他の問題による干渉も低減します。デバイスが小さくなるほど、外部からの干渉が影響しやすくなります。この事実とデバイスの小型化を組み合わせると、多くの人がこのアプローチを画期的と考える理由が容易に理解できます。

導電性の向上

もう一つの大きな利点は導電性の向上です。純粋なシリコンは優れた導体でも絶縁体でもありません。そのため、性能向上のために添加剤や他の化学物質を混合する必要があります。この新設計は信頼性を高め、はるかに高い導電性をサポートします。具体的には、科学者は6桁オーダーの改善を記録しました。

再構成可能コンピュータ：実世界の応用とタイムライン

再構成可能コンピュータのいくつかの応用は、何百万人もの生活を便利にする可能性があります。まず、最終的にAIアプリケーションで使用されます。AIシステムはデバイス内で大量のデータ転送と参照が必要です。

現在、計算ロジックとメモリの間にごく小さなギャップがあり、遅延が生じています。計算が増えるとこの遅延は拡大し、コンピューティングが遅くなります。このアプローチはロジック、メモリ、その他のコアタスクを分離する必要をなくし、必要に応じて単一デバイスが即座に各機能に変換できるようにします。

次世代医療デバイス

医療分野は、この技術が大きな違いをもたらす可能性があるもう一つの領域です。インプラントやその他の内部ユニットは、より小型で可動部品を減らすことができます。このアプローチにより、回避性が低くなり、必要に応じて追加の計算能力を確保できる余地が生まれます。

再構成可能コンピュータのタイムライン

再構成可能コンピュータに出会うまでに7〜10年かかる可能性があります。これらのデバイスはまず大規模なAIシステムで登場し、運用コストの削減と効率向上に寄与します。しかし、スケールでの製造が可能な適切なメーカーを見つけることとともに、まだ多くのテストと開発が必要です。

再構成可能コンピュータ研究者

再構成可能コンピュータの研究は、インド科学研究所の研究者チームによってまとめられました。研究はセンター・フォー・ナノサイエンス・アンド・エンジニアリング（CeNSE）の助教、スリートッシュ・ゴスワミが主導しました。

研究の分子合成部分はプラディップ・ゴッシュ、ラマヌジャンフェロー、サンティ・プラサド・ラースが完了しました。論文にはシャヨン・バタチャリヤ、ロヒト・T、ハリヴィグネシュ・S、ダミアン・トンプソンも貢献者として記載されています。

再構成可能コンピュータの未来

研究者たちは課題に直面しています。現在、この技術を今日のCMOSチップ製造戦略に統合する方法を模索中です。彼らの総合的な目標は、知能が本質的に組み込まれたデバイスを作り、性能、安定性、効率を向上させることです。

コンピュートインメモリ分野への投資

チップ製造セクターには、興味深い投資機会を提供する企業がいくつかあります。AIやその他の高性能計算システムが標準となる中、これらの企業は革新的な製品への需要が増加しています。ここでは、チップファウンドリ技術の最前線に位置し続けているメーカーを紹介します。

GSIテクノロジー（GSIT）

上記の研究が分子コンピューティングの未来を強調する一方で、GSIテクノロジーはこの概念のシリコンベース版を商業化しています。GSIはアソシアティブ・プロセッシング・ユニット（APU）を開発しており、メモリ配列内で直接計算を行うことでコンピュータのデータ処理方法を根本的に変える技術で、”コンピュートインメモリ”（CIM）として知られています。

このアーキテクチャは、研究で言及された「フォン・ノイマン・ボトルネック」（ロジックとメモリを分離することによる遅延）に対処します。プロセッサとRAM間でデータをやり取りする必要をなくすことで、GSIのGemini® APUはAIおよび検索ワークロードに対して大幅な加速を提供します。

コーネル大学が検証した最近のベンチマークにより、GSIのAPUは特定のAIタスクにおいてトップクラスのGPU（NVIDIA A6000など）に匹敵する性能を発揮しながら、約98％少ないエネルギーで動作できることが確認されました。

GSIテクノロジーはカリフォルニア州サニーベールに本社を置き、NASDAQに上場しています。その放射線耐性メモリ製品は航空宇宙・防衛分野ですでに定番となっており、最先端のAIチップを広範な市場に展開する中で安定した収益基盤を提供しています。

メモリ中心コンピューティングの将来に対する北米上場の「ピュアプレイ」を求める投資家は、GSIテクノロジーを調査すべきです。これは、従来のシリコンと研究者が描く「組み込みインテリジェンス」未来との実用的な橋渡しとなります。

最新のGSIテクノロジー（GSIT）ニュースとパフォーマンス

再構成可能コンピュータ | 結論

再構成可能コンピュータを作成できる能力は、すべてを変えます。将来的には、すべての可動部品が化学的相互作用に置き換えられることで、デバイスは極めて信頼性が高く耐久性も向上します。さらに、この能力は機械的部品に依存せず、有機化学反応に基づくはるかに小型で複雑な設計への道を開きます。

これらすべての要因が、再構成可能コンピュータの研究をゲームチェンジャーとし、コンピューティングとAI統合の新時代を切り開く可能性を持たせます。そのため、この研究への関心は高まっています。現在、チームは製造プロセスの効率化と生産コスト・複雑性の削減に注力しています。

他のクールな計算開発についてはこちらをご覧ください。

参考文献

^{1. Gaur, P., Kundu, B., Ghosh, P., Bhattacharya, S., T, L., S, H., Rath, S. P., Thompson, D., Goswami, S., & Goswami, S. 再構成可能ニューロモルフィック機能のための分子エンジニアリングされたメムリスタ. Advanced Materials, e09143. https://doi.org/10.1002/adma.202509143}