脳の可塑性を模倣した革新的なニューロニスタがAIハードウェアのエネルギー効率を向上

韓国科学技術院（KAIST）の研究チームは、脳の適応能力を模倣した新しい「周波数スイッチングニューロニスタ」を開発しました。この画期的なデバイスは、生物学的なニューロンが応答感度を調整するように、信号周波数を自律的に変化させることができます。この内在的な可塑性により、AIハードウェアの性能と安定性が向上し、よりエネルギー効率の高い運用が可能になります。このニューロニスタは、揮発性メモリスタと不揮発性メモリスタを組み合わせることで、プログラム可能な多段階の周波数・電圧特性を実現しています。これにより、学習と適応がより効果的に行われます。この技術は、2025年8月18日に「Advanced Materials」誌に掲載され、金景民（Kyung Min Kim）教授が率いる研究チームによる成果です。メモリスタは、記憶抵抗器としても知られ、人間の脳の構造と機能を模倣することを目指すニューロモルフィックコンピューティング開発における重要なコンポーネントです。メモリスタが電源が切れても情報を保持できる能力は、よりエネルギー効率が高く強力なAIシステムを構築するための理想的な候補となります。研究によると、この技術はデータストレージと処理に革命をもたらし、より高速でコンパクトなデバイスにつながる可能性があります。メモリスタがデータストレージと計算の両方を単一のコンポーネントで実行できる能力は、脳内のシナプスの統合された働きを反映しており、より効率的な人工ニューラルネットワークへの道を提供します。シミュレーションによると、このニューロニスタを用いたスパースニューラルネットワークは、従来のAIネットワークと比較してエネルギー消費量を27.7%削減しながら、計算精度を維持することが示されました。さらに、このデバイスは驚くべき回復力を示し、ニューラルコンポーネントの損傷後でも自己組織化によって性能を回復する能力を持っています。この革新は、エッジコンピューティングデバイスや自動運転車など、持続的な安定性が求められるアプリケーションに大きく貢献すると期待されています。これらのシステムは、リアルタイムでのデータ処理と迅速な意思決定が不可欠であり、このニューロニスタの適応性と効率性は、これらの要求を満たす上で重要な役割を果たします。従来のAIハードウェアは、脳の持つ柔軟な適応能力を模倣することに課題を抱えていましたが、この周波数スイッチングニューロニスタは、その限界を打破する可能性を秘めています。個々のニューロンが状況に応じて感度を変化させる「内在的塑性」という脳の機能を、単一の半導体デバイスで実現することで、AIハードウェアのエネルギー効率と安定性を新たなレベルに引き上げます。この技術は、将来のインテリジェントシステムにおいて、より持続可能でロバストなAIの実現に向けた重要な一歩となります。