Китай представил 40-нм мемристорный чип, который в специализированных задачах оказался до 478 раз быстрее GPU

Разработка выполнена совместной группой ученых из Peking University и Shanghai Institute of Microsystem and Information Technology Chinese Academy of Sciences. Результаты исследования опубликованы в журнале Science.

Ключевым достижением разработчиков стало сокращение времени выполнения одного вычислительного шага нейродинамической системы до 2,12 миллисекунды. По данным исследователей, при моделировании определенных динамических процессов, включая работу коры головного мозга, это обеспечивает ускорение от 50 до 478 раз по сравнению с современными GPU.

В отличие от традиционных процессоров и графических ускорителей, где память и вычислительные блоки физически разделены, новый чип использует архитектуру in-memory computing. Вычисления выполняются непосредственно внутри массива памяти, благодаря чему практически устраняется одно из главных ограничений современных компьютеров — постоянная передача данных между памятью и процессором, известная как «бутылочное горлышко фон Неймана».

Основой процессора стали фазовые мемристоры — электронные элементы, способные одновременно хранить информацию и выполнять вычислительные операции. Такое совмещение памяти и логики позволяет значительно снизить задержки и уменьшить энергопотребление при решении задач с большим количеством параллельных операций.

Несмотря на использование сравнительно зрелого 40-нм техпроцесса, разработчикам удалось разместить вычислительный массив площадью всего 0,28 мм². Чип работает на частоте 50 МГц и включает встроенные схемы формирования программирующих импульсов, аналого-цифровые преобразователи и другие вспомогательные блоки, необходимые для работы мемристорной архитектуры.

Авторы отмечают, что впервые смогли перевести аппаратные нейродинамические вычисления в миллисекундный диапазон, что значительно приближает подобные системы к обработке информации в реальном времени. Это особенно важно для моделирования биологических нейронных сетей, сложных нелинейных динамических процессов, а также создания специализированных ИИ-ускорителей нового поколения.

При этом заявленное ускорение относится не к универсальным вычислениям, а к ограниченному классу специализированных нейродинамических задач. В традиционных приложениях, таких как обработка графики, обучение больших языковых моделей или универсальные вычисления, подобные процессоры не заменяют современные GPU, а рассматриваются как специализированные сопроцессоры для отдельных алгоритмов.

Работа демонстрирует растущий интерес к альтернативным вычислительным архитектурам, способным преодолеть ограничения классической модели фон Неймана. Наряду с развитием нейроморфных процессоров, оптических вычислений и аналоговых ИИ-ускорителей мемристорные системы рассматриваются как одно из наиболее перспективных направлений для создания высокопроизводительных и энергоэффективных вычислительных платформ следующего поколения.