Clear Sky Science
הסברים מבוססי ראיות, עם מעט ז'רגון

Clear Sky Science · he

PdNeuRAM: זיכרון ReRAM Pd/HfO2 ללא תהליך forming ורב-סיטתי לחישוב נוירומורפי חסכוני באנרגיה

· חזרה לאינדקס

שבבים חכמים לעולם של מכשירים חכמים

מעוזרי קול ועד מכוניות אוטונומיות — מכשירים מודרניים נשענים על מחשבים מהירים אך צמאי כוח. ככל שאנו דוחסים יותר תובנות לטלפונים, חיישנים ורובוטים, המעבדים של היום מתקשים לעמוד בקצב מבלי לרוקן סוללות או להתחמם. המחקר הזה בוחן סוג חדש של רכיב זיכרון אלקטרוני זעיר שמתנהג קצת כמו סינפסה במוח, במטרה להפוך את חומרת הבינה המלאכותית של העתיד ליעילה בהרבה מבחינת אנרגיה.

Figure 1. כיצד עיצוב חדש של תא זיכרון יכול להפוך שבבים בהשראת המוח ליעילים בהרבה מבחינת אנרגיה.
Figure 1. כיצד עיצוב חדש של תא זיכרון יכול להפוך שבבים בהשראת המוח ליעילים בהרבה מבחינת אנרגיה.

מדוע חישוב בהשראת המוח זקוק לחומרה חדשה

מערכות בינה מלאכותית רבות פועלות על מושג שנקרא חישוב בזיכרון, שבו המידע מאוחסן ומעובד באותו המקום הפיזי. זה מקטין את הזמן והאנרגיה המושקעים בהעברת נתונים הלוך ושוב. מועמד מוביל לתאי זיכרון אלה הוא זיכרון גישה אקראית התנגדותי, או ReRAM, שיכול לזכור רמות התנגדות שונות גם כאשר הכוח כבוי. עם זאת, מרבית מכשירי ה-ReRAM דורשים שלב יזום בעל מתח גבוה שנקרא “forming” כדי ליצור נתיבי מוליכות דרך החומר. שלב זה מבזבז אנרגיה, מעמיס על המכשיר ומסבך את הייצור, מה שמגביל את היתכנותו בשבבים גדולים וחסכוניים באנרגיה.

עיצוב מתג זעיר ללא התחלה אלימה

החוקרים פיתחו תא ReRAM חדש שכינו PdNeuRAM, הבנוי משכבה על־דקיקה של תחמוצת ההפניום המוקפת בשכבות פלדיום וטיטניום. מיקרוסקופיה מדוקדקת הראה כי אטומי הפלדיום חודרים במעט לתוך החמצן בממשק, שם הם נוטים למשוך אטומי חמצן ולהשאיר מאחור שפע של ליקויים קטנים. במקום להידרש לשלב forming אלים שיוצר סיב מוליך עבה יחיד, הממשק המהונדס הזה מארח באופן טבעי רשת צפופה של אתרי ליקוי עדינים ושיטחיים. כתוצאה מכך, המכשיר יכול להחליף בין מצבי התנגדות במתח נמוך בהרבה וללא הטיפול הקשה שה-ReRAM הטיפוסי דורש.

Figure 2. כיצד שכבות אטומיות מהונדסות בערמת זיכרון זעירה מנווטות את הזרם דרך נתיבים עדינים כדי לאחסן מצבים מרובים ביעילות.
Figure 2. כיצד שכבות אטומיות מהונדסות בערמת זיכרון זעירה מנווטות את הזרם דרך נתיבים עדינים כדי לאחסן מצבים מרובים ביעילות.

כוונון גוונים רבים של מוליכות

בדיקות חשמליות חשפו שתאי ה-PdNeuRAM האלו יכולים להתאים את ההתנגדות שלהם באופן חלקי לאורך מספר רמות ולא רק להתהפך בין מצבי “פסק” ו-“הפעלה”. על ידי שינוי הגודל והזמן של פולסים חשמליים, הצוות הצליח לתכנת באופן אמין לפחות שמונה רמות התנגדות מובחנות בתא אחד. רמות אלה נשמרו יציבות לאורך עשרות אלפי פעולות קריאה ומעגלי החלפה. ניתוח אופן זרימת הזרם הציע כי בעוצמות נמוכות המכשיר מוליך דרך רשת מפוזרת של מלכודות שטחיות, בעוד שפולסים חזקים יותר מעבים בהדרגה את נתיבי המוליכות, ומרחיבים את טווח ההתנגדות השימושי מבלי לאבד שליטה חלקה.

ממכשירים בודדים לרשתות עצביות ספיקינג

כדי לבדוק כיצד התא החדש מתנהג בסביבה מציאותית, הצוות סימל מערכי קרוס-בר של PdNeuRAM והשווה אותם ל-ReRAM מבוסס פלדיום רגיל יותר. הם השתמשו במערכים אלה כסינפסות בשתי רשתות עצביות ספיקינג שמזהות דפוסים ממאגרי נתוני ראייה מבוססי אירועים, כולל ספרות כתובות נעות ותנועות גסטות של בני אדם. ברשתות אלה המידע מועבר באמצעות דפיקות קצרות של אות חשמלי במקום אות רציף, בדמיון לנוירונים ביולוגיים. החוקרים מיפו כל משקל דיגיטלי ברשת על מספר תאי ReRAM רב-רמתיים ואז סימלצו כמה אנרגיה נדרשת לכתוב ולקרוא משקלים אלה במהלך הלמידה וההכרה.

חיסכון באנרגיה ללא ויתור על דיוק

רשתות העצביות הספיקינג שבנו עם PdNeuRAM השיגו דיוקים דומים לאלה שהשתמשו במכשירים מבוססי פלדיום קודמים, וזיהו נכון את רוב הספרות והגסטות בקבוצות המבחן. עם זאת, הודות להתנגדות הטבעית הגבוהה יותר ולתפעול ללא forming, התאים מבוססי הפלדיום השתמשו באנרגיה באופן משמעותי פחות. ברשת שלמה, האנרגיה הדרושה לתכנות משקלים סינפטיים ירדה בכ-43 אחוזים, בעוד שהאנרגיה הנדרשת לקריאתם בזמן הסקת מסקנות ירדה בכ-38 אחוזים. הירידה הזו נובעת מכך שרשת הליקויים המעודנת והמפוזרת ב-PdNeuRAM מונעת את היווצרותם של סיבים מוליכים עבים מאוד, ובכך מגבילה זרמים מיותרים גם בכתיבה וגם בקריאה.

מה משמעות הדבר לטכנולוגיה יומיומית

במילים פשוטות, המחקר מראה כיצד שינויים עדינים בקנה מידה אטומי יכולים להפוך אלמנט זיכרון תובעני לסינפסה אלקטרונית עדינה וכפלטפורמה לכוונון מדויק. על ידי עיצוב מחדש של סידור אטומי החמצן והמתכת בשכבה בעובי כמה מיליארדי מטרים, הצוות יצר מכשיר שזנח את ה”דחיפה” האנרגטית הכבדה ועדיין מציע רמות התנגדות יציבות מרובות לחישוב בהשראת המוח. אם יורחב וישופר, תאים כאלה של ReRAM רב-רמתיים וללא forming יכולים לסייע להניע חומרת AI עתידית שתתאים לחיישנים זעירים, למכשירים ניידים ולהתקני edge תוך שימוש באנרגיה נמוכה בהרבה מאשר שבבים של היום.

ציטוט: Hua, E., Spyrou, T., Ahmadi, M. et al. PdNeuRAM: forming-free, multi-bit Pd/HfO2 ReRAM for energy-efficient neuromorphic computing. Commun Eng 5, 97 (2026). https://doi.org/10.1038/s44172-026-00650-3

מילות מפתח: חישוב נוירומורפי, ReRAM, תחמוצת ההפניום, רשתות עצביות ספיקינג, חומרה ל-AI בעלת צריכה נמוכה