Jak fungují memristory – a proč by mohly změnit umělou inteligenci

Chybějící článek teorie obvodů

Každá učebnice elektroniky uvádí tři základní součástky obvodů: rezistor, kondenzátor a induktor. Inženýři se po desetiletí domnívali, že to je kompletní sada. V roce 1971 však inženýr z Kalifornské univerzity v Berkeley jménem Leon Chua na základě teoretických důvodů tvrdil, že by měl existovat čtvrtý prvek – takový, který by propojoval elektrický náboj s magnetickým tokem. Nazval ho memristor, což je zkratka pro „paměťový rezistor“.

Chuova předpověď zůstala po 37 let do značné míry bez povšimnutí. Poté, v roce 2008, tým z HP Labs vedený Stanley Williamsem publikoval v časopise Nature přelomovou studii, v níž oznámil, že jeden takový memristor postavili. Memristor se podle nich celou dobu skrýval uvnitř svérázného elektrického chování určitých nanostrukturních zařízení.

Jak memristor funguje

Konvenční rezistor klade proudu odpor o pevné velikosti. Memristor dělá něco mnohem zajímavějšího: jeho odpor se mění v závislosti na tom, kolik náboje jím proteklo – a tento odpor si pamatuje i po vypnutí napájení.

Užitečnou analogií je vodovodní potrubí, které se rozšiřuje, když voda teče jedním směrem, a umožňuje tak průtok většího množství, a zužuje se, když teče druhým směrem. Zavřete kohoutek a potrubí zůstane na průměru, kterého dosáhlo. Tato „paměť“ minulé elektrické aktivity dává memristoru jeho jméno a jeho sílu.

V nanorozměrech tento efekt typicky vzniká, když ionty driftují v tenké vrstvě oxidu vložené mezi dvě elektrody a fyzicky přetvářejí vodivou cestu. Pošlete proud jedním směrem a odpor klesne; obraťte ho a odpor stoupne. Zastavte proud úplně a zařízení zamrzne ve svém posledním stavu – k uchování informace není potřeba žádná energie.

Proč jsou memristory důležité pro umělou inteligenci

Moderní umělá inteligence běží na násobení matic – obrovských mřížkách čísel, které se navzájem násobí miliardykrát za sekundu. Podle některých odhadů tvoří více než 92 procent výpočtů ve velkých modelech umělé inteligence, jako je ChatGPT, tato jediná operace. Konvenční procesory přenášejí data tam a zpět mezi pamětí a výpočetními jednotkami, přičemž na každém kroku spotřebovávají energii a čas.

Memristory nabízejí radikální zkratku. Uspořádány v poli s příčkami mohou provádět násobení fyzicky, s využitím Ohmova zákona: napětí násobené vodivostí se rovná proudu. Odpověď se okamžitě objeví jako naměřený proud, aniž by bylo nutné data vůbec přesouvat. Tento přístup, nazývaný výpočet v paměti, slibuje rychlosti o řády vyšší a dramaticky nižší spotřebu energie než tradiční čipy.

Protože memristory také napodobují způsob, jakým se biologické synapse posilují nebo oslabují používáním, jsou přirozeným řešením pro neuromorfní výpočty – hardware, který zpracovává informace způsobem, jakým to dělá mozek, spíše než aby se řídil krok za krokem logikou konvenčního procesoru.

Průlom v extrémních podmínkách

Studie z března 2026 publikovaná v časopise Science vědci z University of Southern California posunula schopnosti memristorů do oblastí, které byly dříve považovány za nemožné. Tým vedený profesorem Joshuou Yangem vyrobil memristor z wolframu, oxidu hafnia a jednovrstvé vrstvy grafenu, který spolehlivě fungoval při teplotě 700 °C – vyšší než roztavená láva.

Zařízení si uchovalo data po dobu více než 50 hodin při této teplotě, přežilo více než miliardu spínacích cyklů a běželo na pouhých 1,5 voltu. Grafenová vrstva byla klíčovou inovací: zabránila atomům wolframu v migraci keramickou vrstvou a zkratování zařízení, což byl režim selhání, který zničil dřívější vysokoteplotní konstrukce.

„Můžete to nazvat revolucí. Je to nejlepší vysokoteplotní paměť, jaká kdy byla předvedena,“ řekl Yang.

Taková elektronika odolná extrémním teplotám by mohla umožnit mise na povrch Venuše, kde se teploty pohybují kolem 470 °C, stejně jako hluboké geotermální vrty a operace v blízkosti jaderných reaktorů – prostředí, kde se konvenční elektronika jednoduše roztaví.

Cesta vpřed

Memristory se již posouvají směrem ke komerčnímu využití při pokojové teplotě. Yang spoluzaložil společnost TetraMem, startup, který komercializuje memristorové čipy pro pracovní zátěže umělé inteligence. Mezitím výzkumné skupiny po celém světě vyvíjejí neuronové sítě založené na memristorech, které jsou schopny rozpoznávání obrazu, zpracování řeči a lékařské diagnostiky v reálném čase – to vše při zlomku energie spotřebované dnešními datovými centry.

Výzvy přetrvávají. Výroba memristorů ve velkém s konzistentním výkonem je obtížná a integrace s existující křemíkovou logikou vyžaduje nové architektury čipů. Ale pět desetiletí poté, co Leon Chua načrtl čtvrtý prvek obvodu na papír, memristor konečně překonává propast mezi teorií a transformační technologií.