カリフォルニア大学サンディエゴ校のチームは、人工知能の急速な発展に対応するための新世代の脳型ハードウェアを開発しました。このプラットフォームは、従来のコンピュータのようにメモリと演算装置を分離せず、両者を同一チップ上に統合することで、データ転送に伴うエネルギー消費と遅延という根本的なボトルネックを解消します。本研究は 3 月 9 日に学術誌「Nature Nanotechnology」に掲載され、同様の脳型計算の研究分野であるニューロモーフィックコンピューティングに属します。研究チームは、人工ニューロンを単に模倣するのではなく、脳内のニューロンネットワークが空間的・時間的に相互影響を及ぼす動的なプロセスから着想を得ました。 開発されたデバイスは水素ドープ型のペロブスカイトニッケレートという量子材料を用いており、電圧パルスによってイオンを移動させることで電気抵抗を変化させ、メモリ機能と演算機能を同時に実現しています。重要なのは、ネットワーク上の各ノードが共通基盤を通じて互いに影響を与え合う点です。これにより、単一のノードが独立して動作するのではなく、周囲のネットワークの状態に応じた集合的な振る舞いを示すことが可能になりました。この「時空間計算」と呼ばれるアプローチにより、信号の時間的パターンと空間的なネットワーク動態の両方を同時に処理できます。 実験では、音声で話された数字の認識と、脳波データからのてんかん発作の早期検出という 2 つのシミュレーションタスクで実証が行われました。結果、従来の時間ベースのみで処理を行う手法よりも高い精度を達成し、てんかん検出においてはわずか数秒分の脳波データからも警告信号を特定できました。処理速度はナノ秒単位で、1 回の操作あたりの消費エネルギーは約 0.2 ナノジュールという驚異的な省エネ性能を誇ります。 この技術は、大規模データセンターに依存せず、限られた電力で現地でデータを処理するエッジ AI、特にウェアラブルヘルスモニターやスマートセンサー、自律型デバイスなどの小型・高効率化に貢献すると期待されています。現時点では小規模な実証段階にありますが、今後の課題としてはシステムのスケーラビリティの向上、既存の半導体エレクトロニクスとの統合、および適用範囲の拡大が挙げられます。