Забытый четвёртый вывод транзистора раскрыл способ создавать нейроны из кремния
Современный ИИ колоссально прожорлив: один GPU потребляет до 1000 ватт, столько же, сколько пылесос или духовка, но работает круглосуточно. Между тем человеческий мозг в миллион раз энергоэффективнее при сравнимых задачах.
Нейроморфные вычисления давно пытаются обойти эту проблему, имитируя электронику работой биологических нейронов и синапсов. Стандартный подход требует десятки или сотни транзисторов на одну искусственную клетку, что сильно ограничивает масштабируемость.
В 2024 году в лаборатории Марио Ланзы произошла случайность: студент забыл подключить четвёртый терминал (берег) обычного MOSFET-транзистора. Вместо ожидаемого поведения возник скачок тока с высокой нелинейностью, в точности как потенциал действия в живом нейроне. При снижении напряжения ток самопроизвольно релаксировал, создавая петлю гистерезиса, копирующую срабатывание и восстановление биологической клетки.
Делается так: во время работы мобильные заряд-носители в канале транзистора ударяются о кремний, рождая свободные электроны и дырки (ударная ионизация). Обычно дырки текут к заземлённому берегу. Но если берег не подключен, дырки накапливаются, повышая напряжение берега. Когда оно пересекает порог (примерно 0,7 В), внутри обычного MOSFET активируется спрятанный биполярный транзистор, резко вскочит ток. Когда напряжение на сливе падает, рождение дырок замедляется, избыток рассеивается, и ток спадает.
Так один транзистор ведёт себя как нейрон, а нейрон-синапс из одного устройства, как проводимость, регулируемая электрически. Экспериментам нужна дальнейшая оптимизация: релаксационное время сейчас разнится между образцами. Но если удастся стабилизировать, на основе этого могут вырасти микросхемы в тысячи раз более компактные и энергетически эффективные, чем известные сегодня нейроморфные ускорители.
Ключевые факты
- Обычный CMOS-транзистор при отключенном берегом (bulk terminal) проявляет нейроноподобное поведение: скачок тока при пороге напряжения, релаксация и гистерезис
- Открытие произошло случайно в 2024 году в лаборатории Марио Ланзы: студент забыл подключить берег, и возник эффект, похожий на потенциал действия
- Механизм: накопление дырок в берегу активирует спрятанный внутри биполярный транзистор, вызывая нелинейный скачок тока
- Один транзистор может вместить функцию нейрона; один синапс, регулируемую проводимость, тогда как сейчас это требует десятков или сотен элементов
- Если масштабировать, можно создавать нейроморфные микросхемы на порядки более компактные и энергоэффективные, чем GPU/CPU в дата-центрах
Почему это важно
Энергопотребление ИИ стало критической проблемой. GPU в дата-центрах жрут килопатты каждый, работая круглосуточно; мозг человека при этом работает на ~20 ватт и в миллион раз эффективнее на сравнимых когнитивных задачах. Нейроморфные вычисления обещают сблизить электронику с биологией, но старые подходы требуют сотен транзисторов на одну нейроноподобную операцию, что убивает масштабируемость. Одноэлементная нейронная ячейка из стандартного кремния означает возможность наконец-то масштабировать нейроморфные ускорители без компромиссов.
Кому это важно
Компаниям, вкладывающим в дата-центры (Meta, Google, OpenAI и др.), экономия в энергетике прямиком в OPEX. Производителям микросхем (Intel, NVIDIA, Samsung), которые ищут дифференциацию. Исследователям нейроморфных вычислений, пока ограниченным прототипами. Регуляторам, озабоченным углеродным следом ИИ.
Как это применить
Находка нуждается в инженерной стабилизации: сейчас релаксационное время (время восстановления после импульса) сильно варьируется между образцами одного проектирования. Нужно контролировать параметры ударной ионизации и накопления дырок в берегу. Затем конструировать массивы таких ячеек, синапсов и интегрировать на современное производство (статья указывает на 180-нанометровый процесс, старый, но доступный). Прототипы микросхем для аудиообработки, компьютерного зрения, мониторинга здоровья уже показывают тысячекратное снижение мощности против GPU на аналогичных задачах; новый элемент ускорит масштабирование.
Можно ли доверять
Авторы, Марио Ланза и Себастьян Пазос, опубликованы в IEEE Spectrum, рецензируемое издание. Эффект воспроизведён, механизм понят (ударная ионизация, спрятанный биполярный транзистор, диэлектрический берег). Снимок осциллографа и симуляции приложены. Однако до применения в реальных микросхемах, ещё путь: контролируемость параметров на массовом производстве не гарантирована. Исследование честно указывает нерешённые задачи (разброс времён релаксации).
Риски и подводные камни
Время релаксации неустойчиво между образцами, что может затруднить массовое производство. Работа выполнена в лаборатории на малых выборках; масштабирование на уровне кристалла, температурные и технологические вариации неизвестны. Нейроморфные вычисления всё ещё нишевые, экосистема софта, компиляторов, инструментов скудна против GPU-стека. Наконец, даже энергоэффективный ИИ остаётся ИИ: отсутствие интерпретируемости, валидация, ответственность, эти проблемы находка не решает.
«Один день студент забыл подключить берег транзистора. Его наблюдение было скачком тока с высокой нелинейностью, который самопроизвольно релаксировал при снижении напряжения, очень многообещающее нейроноподобное поведение!»
— Марио Ланза, IEEE Spectrum