PdNeuRAM：形成工程不要のマルチビットPd/HfO2 ReRAMによる省エネルギー型ニューロモルフィック計算

スマートデバイスの世界にふさわしい賢いチップ

音声アシスタントから自動運転車まで、現代の機器は高速である一方で電力を大量に消費するコンピュータに依存しています。スマートフォン、センサー、ロボットにより多くの知能を詰め込むほど、プロセッサはバッテリーを消耗させたり過熱したりせずに対応するのが難しくなります。本研究は、脳のシナプスに似た振る舞いをする微小な電子メモリ素子の新しい種類を探り、将来の人工知能ハードウェアをはるかに省エネルギーにすることを目指しています。

なぜ脳を模した計算に新しいハードウェアが必要か

多くの現代的なAIシステムは、記憶と処理を同じ物理領域で行う「メモリ内計算」という概念で動作します。これによりデータのやり取りにかかる時間とエネルギーが削減されます。有力な候補の一つが抵抗変化型メモリ（ReRAM）で、電源を切っても異なる抵抗状態を記憶できます。しかし、多くのReRAMデバイスは材料内に導電経路を穿つための高電圧による初期の“形成”工程を必要とします。その工程はエネルギーを浪費し、素子にストレスを与え、製造を複雑にしてしまうため、大規模で低消費電力のAIチップでの利用を制限します。

厳しい始動を不要にする微小スイッチの設計

研究者らはPdNeuRAMと呼ぶ新しいReRAMセルを開発しました。これは超薄膜のハフニウム酸化物をパラジウムとチタンの層で挟んだ構造です。詳細な顕微鏡観察により、パラジウム原子が界面で酸化物にわずかに入り込み、酸素原子を引き寄せて多数の小さな欠陥を残すことが示されました。単一の太い導電フィラメントを作るための乱暴な電気形成が必要なのではなく、この設計された界面は元々穏やかで浅い欠陥サイトの濃密なネットワークを備えています。その結果、典型的なReRAMが必要とするような過酷な前処理なしで、はるかに低い電圧で抵抗状態を切り替えられます。

多段階の導電性を調整する

電気的試験により、これらのPdNeuRAMセルは単に「オン/オフ」を切り替えるのではなく、抵抗を滑らかに複数レベルに調整できることが明らかになりました。電気パルスの大きさとタイミングを変えることで、単一セルに少なくとも8段階の明確な抵抗レベルを確実にプログラムできました。これらのレベルは数万回の読み出し操作やスイッチングサイクルにわたって安定していました。電流の流れ方の解析から、低強度では浅いトラップが広がったネットワークを通して伝導し、より強いプログラミングパルスによって導電経路が徐々に肥厚していき、滑らかな制御を保ちながら利用可能な抵抗範囲を広げていることが示唆されました。

単一デバイスからスパイキングニューラルネットワークへ

この新しいセルが現実的な設定でどのように振る舞うかを確認するため、研究チームはPdNeuRAMのクロスバーアレイをモデル化し、従来の白金ベースのReRAMと比較しました。これらのアレイをスパイクを発するシナプスとして、動く手書き数字やジェスチャーを含むイベントベースの視覚データセットからパターンを認識する二つのスパイキングニューラルネットワークに組み込みました。こうしたネットワークでは情報は連続信号ではなく短い電気スパイクで伝達され、実際のニューロンに近い挙動を示します。研究者らはネットワーク内の各デジタル重みを複数のマルチレベルReRAMセルに割り当て、学習と認識時にそれらの重みを読み書きするのに必要なエネルギーをシミュレーションしました。

精度を損なわずにエネルギーを節約

PdNeuRAMを用いたスパイキングニューラルネットワークは、従来の白金ベースデバイスを用いた場合と同等の精度を達成し、テストセット内のほとんどの数字やジェスチャーを正しく識別しました。しかし、自然に高い抵抗と形成不要の動作特性により、パラジウムベースのセルは大幅に少ないエネルギーを使用しました。ネットワーク全体でシナプス重みをプログラムするのに必要なエネルギーは約43％低下し、推論時の読み出しに必要なエネルギーは約38％削減されました。この削減は、PdNeuRAMの穏やかで分散した欠陥ネットワークが太く高導電なフィラメントの形成を避け、書き込み・読み出しの両方で不要な電流を抑えるために生じます。

日常技術への含意

簡単に言えば、本研究は原子スケールの微妙な変化が要求の厳しいメモリ素子を穏やかで精緻に調整可能な電子シナプスに変えうることを示しています。酸素と金属原子が数ナノメートル厚の層でどう配列するかを作り変えることで、もはやエネルギーを大量に要する“キックスタート”を必要とせず、それでも脳型計算のための多くの安定した抵抗レベルを提供する素子を作製しました。これがスケールアップされ改良されれば、形成工程不要のマルチレベルReRAMセルは、今日のチップよりはるかに少ないエネルギーで動作する将来のAIハードウェアを、小型センサーやモバイル機器、エッジデバイスに搭載する上で寄与する可能性があります。

引用: 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

キーワード: ニューロモルフィックコンピューティング, ReRAM, ハフニウム酸化物, スパイキングニューラルネットワーク, 低消費電力AIハードウェア