Peneliti dari University of Cambridge melaporkan jenis baru memristor berbasis hafnium oksida yang berpotensi memangkas konsumsi energi kecerdasan buatan secara signifikan. Teknologi ini bekerja dengan arus switching yang sekitar satu juta kali lebih rendah dibanding perangkat oksida konvensional, sehingga membuka jalan bagi komputasi yang lebih hemat daya.
Temuan itu dipublikasikan dalam jurnal Science Advances dan menjadi sorotan karena memori dan pemrosesan data dilakukan di lokasi fisik yang sama. Dalam arsitektur komputasi tradisional, perpindahan data antara memori dan unit pemrosesan kerap menjadi sumber pemborosan energi yang besar.
Mengapa memristor ini penting
Memristor adalah komponen dua terminal yang dapat menyimpan dan memproses data sekaligus. Pendekatan ini meniru cara kerja jaringan saraf biologis dan cocok untuk sistem neuromorfik, yakni perangkat keras yang dirancang menyerupai otak manusia.
Pada sistem biasa, data terus bergerak bolak-balik antara chip memori dan prosesor. Pola itu menyedot daya, terutama saat model AI makin besar dan beban komputasi makin berat.
Teknologi Cambridge berusaha memotong pemborosan tersebut dengan mengubah cara perangkat berganti keadaan listrik. Alih-alih membentuk dan memutus filamen konduktif di dalam material, perangkat ini mengandalkan perubahan penghalang energi pada batas antarmuka dua lapisan material.
Bagaimana chip ini bekerja
Tim yang dipimpin Dr. Babak Bakhit dari Department of Materials Science and Metallurgy memodifikasi hafnium oksida dengan menambahkan strontium dan titanium. Mereka kemudian membentuk lapisan p-type Hf(Sr,Ti)O2 yang menyusun antarmuka p-n dengan lapisan titanium oxynitride bertipe n di bawahnya.
Perubahan resistansi terjadi di antarmuka tersebut, bukan lewat pertumbuhan filamen seperti pada memristor oksida yang umum digunakan. Pendekatan ini penting karena filamen sering berperilaku acak dan memicu variasi performa antar perangkat maupun antar siklus.
“Kami beralih ke switching di antarmuka karena perangkat filamen menunjukkan perilaku acak,” kata Bakhit dalam rilis Cambridge. “Namun karena perangkat kami berganti keadaan di antarmuka, perangkat ini menunjukkan keseragaman yang sangat baik dari satu siklus ke siklus lain dan dari satu perangkat ke perangkat lain.”
Data kinerja yang menonjol
Hasil uji laboratorium menunjukkan karakteristik yang menjanjikan untuk aplikasi komputasi neuromorfik. Dalam pengujian tersebut, perangkat mampu beroperasi pada arus switching di atau di bawah 10 nanampere, menyimpan data lebih dari 10^5 detik, dan bertahan melewati 50.000 siklus pulsa.
Tim juga menggunakan lonjakan tegangan 1,0 volt yang serupa dengan sinyal saraf biologis. Dari sana, perangkat menghasilkan rentang modulasi konduktansi lebih dari 50 kali lipat, dengan ratusan level berbeda tanpa saturasi.
- Arus switching: di atau bawah 10 nanampere
- Retensi data: lebih dari 10^5 detik
- Endurance: di atas 50.000 siklus
- Energi update sinaptik: sekitar 2,5 pikojoule hingga 45 femtojoule
- Level konduktansi: ratusan tingkat berbeda
Dalam makalahnya, peneliti menyebut sistem neuromorfik berbasis memristor berpotensi menurunkan konsumsi daya komputasi lebih dari 70%. Angka itu masih bergantung pada skala penerapan dan integrasi ke sistem nyata, tetapi memberi gambaran mengapa riset ini menarik bagi industri AI dan semikonduktor.
Apa arti bagi AI dan pusat data
Lonjakan kebutuhan komputasi AI membuat efisiensi energi menjadi isu strategis. Model besar bukan hanya butuh chip cepat, tetapi juga infrastruktur yang mampu menekan panas, biaya listrik, dan kebutuhan pendinginan.
Memristor seperti rancangan Cambridge bisa membantu di sisi inferensi maupun komputasi berbasis jaringan saraf tiruan. Jika diproduksi dalam skala besar, perangkat ini berpeluang mendukung edge AI, sensor cerdas, dan sistem komputasi yang harus bekerja dekat dengan sumber data.
Keunggulan lain terletak pada stabilitasnya. Perangkat ini disebut mampu meniru spike timing-dependent plasticity, yaitu mekanisme yang penting dalam pembelajaran saraf, sekaligus menjaga operasi sinaptik stabil sekitar 40.000 spike elektronik.
Tantangan produksi masih besar
Meski hasil laboratorium menjanjikan, tantangan manufaktur belum selesai. Proses deposisi material saat ini membutuhkan suhu sekitar 700 derajat Celsius, lebih tinggi dari batas toleransi proses CMOS standar yang dipakai industri semikonduktor.
Bakhit menyebut suhu itu sebagai hambatan utama dalam fabrikasi perangkat saat ini. Tim peneliti kini mencari cara untuk menurunkan suhu proses agar teknologi tersebut lebih cocok dengan jalur produksi industri yang sudah ada.
Secara positif, semua material dalam tumpukan perangkat disebut sudah kompatibel dengan CMOS, dan Cambridge Enterprise juga telah mengajukan permohonan paten. Ini menunjukkan riset tersebut tidak hanya berhenti pada pembuktian konsep, tetapi mulai diarahkan ke potensi komersialisasi di masa depan.
Dengan kombinasi arus switching yang sangat rendah, uniformitas tinggi, serta kemampuan meniru perilaku sinaps biologis, memristor baru dari Cambridge menjadi salah satu kandidat menarik untuk generasi chip AI yang lebih hemat energi. Jika tantangan suhu produksi bisa diatasi, teknologi ini berpeluang mempersempit jarak antara riset neuromorfik dan penerapan nyata di perangkat komputasi masa depan.
-
-
-
-
