Прототип нейроморфного компьютера, имитирующий обучение мозга и использующий магнитные элементы для повышения энергоэффективности.

Инженеры Техасского университета в Далласе создали прототип нейроморфного компьютера, имитирующего обучение человеческого мозга, используя магнитные компоненты для достижения значительно улучшенной энергоэффективности по сравнению с традиционными системами искусственного интеллекта. Прорыв, опубликованный в августе в Nature Communications Engineering, представляет собой важный шаг к внедрению обработки ИИ непосредственно в смартфоны и другие мобильные устройства.

Революционная магнитная технология для мозга

Доктор Джозеф С. Фридман и его команда в Техасском университете в Далласе разработали прототип с использованием магнитных туннельных переходов (МТП) — наноразмерных устройств, которые функционируют как биологические синапсы, усиливая или ослабляя связи в зависимости от паттернов активности. В отличие от обычных компьютеров, которые разделяют память и обработку данных, эта нейроморфная система интегрирует обе функции, имитируя работу человеческого мозга.

«Наша работа показывает потенциально новый путь для создания компьютеров, вдохновлённых мозгом, которые могут самостоятельно обучаться», — сказал Фридман, адъюнкт-профессор электротехники и компьютерной инженерии. «Поскольку нейроморфным компьютерам не требуются огромные объёмы обучающих вычислений, они могут питать интеллектуальные устройства без больших энергетических затрат».

Прототип продемонстрировал замечательную эффективность при тестировании, достигнув более 600 триллионов операций в секунду на ватт — что более чем в шесть раз превышает эффективность существующих мемристорных систем и в тысячи раз эффективнее стандартных графических процессоров. При тестировании на распознавании рукописных цифр с использованием набора данных MNIST система достигла 90% точности, потребляя значительно меньше энергии, чем традиционное аппаратное обеспечение для ИИ.

Отраслевое сотрудничество и федеральная поддержка

Исследование возникло в результате сотрудничества с промышленными партнерами Everspin Technologies и Texas Instruments, позиционируя технологию для потенциальных коммерческих применений. Доктор Санджив Аггарвал, президент и генеральный директор Everspin Technologies, стал соавтором исследования вместе с Фридманом.

Проект получил дополнительный импульс в сентябре 2025 года, когда Министерство энергетики США присудило Фридману двухлетний грант в размере 498 730 долларов на развитие исследований в области нейроморфных вычислений. Эти федеральные инвестиции подчеркивают растущий интерес правительства к энергоэффективным альтернативам вычислений, поскольку системы искусственного интеллекта потребляют все более огромные объемы электроэнергии.

Исследование основывается на принципах обучения Хебба, которые часто формулируются как «нейроны, которые активируются вместе, связываются вместе», позволяя искусственной системе адаптироваться и учиться на опыте, а не требовать обширного предварительного обучения. Возможности бинарного переключения устройств MTJ обеспечивают преимущества в надежности по сравнению с предыдущими нейроморфными подходами, которые страдали от проблем со стабильностью.

Согласно недавним аналитическим данным, обучение больших языковых моделей может потреблять столько же электроэнергии, сколько 300 домов используют за целый год, в то время как человеческий мозг обрабатывает сложную информацию, используя примерно такую же мощность, как 20-ваттная лампочка. Нейроморфные чипы могут сократить потребление энергии до 80% по сравнению с обычными системами ИИ, что делает их особенно ценными для приложений граничных вычислений, где энергоэффективность имеет решающее значение.