Jak działają memrystory – i dlaczego mogą zrewolucjonizować sztuczną inteligencję

Brakujący element teorii obwodów

Każdy podręcznik elektroniki wymienia trzy podstawowe elementy obwodu: rezystor, kondensator i cewkę indukcyjną. Przez dziesięciolecia inżynierowie zakładali, że to kompletny zestaw. Ale w 1971 roku inżynier z Uniwersytetu Kalifornijskiego w Berkeley, Leon Chua, argumentował na podstawie teoretycznych przesłanek, że powinien istnieć czwarty element – taki, który łączy ładunek elektryczny ze strumieniem magnetycznym. Nazwał go memrystorem, skrótem od „rezystora z pamięcią”.

Przewidywanie Chuy pozostało w dużej mierze niezauważone przez 37 lat. Następnie, w 2008 roku, zespół z HP Labs kierowany przez Stanleya Williamsa opublikował przełomowy artykuł w Nature, ogłaszając, że go zbudowali. Memrystor ukrywał się, jak twierdzili, w osobliwym zachowaniu elektrycznym niektórych urządzeń w nanoskali.

Jak działa memrystor

Konwencjonalny rezystor przeciwstawia się prądowi o stałą wartość. Memrystor robi coś znacznie bardziej interesującego: jego rezystancja zmienia się w zależności od tego, ile ładunku przez niego przepłynęło – i pamięta tę rezystancję nawet po wyłączeniu zasilania.

Przydatną analogią jest rura wodna, która rozszerza się, gdy woda płynie w jedną stronę, przepuszczając więcej, i zwęża się, gdy płynie w drugą stronę. Zakręć kurek, a rura pozostaje na osiągniętej średnicy. Ta „pamięć” przeszłej aktywności elektrycznej nadaje memrystorowi jego nazwę i moc.

W nanoskali efekt ten zazwyczaj pojawia się, gdy jony przemieszczają się w cienkiej warstwie tlenku umieszczonej między dwiema elektrodami, fizycznie zmieniając kształt ścieżki przewodzącej. Wyślij prąd w jednym kierunku, a rezystancja spada; odwróć go, a rezystancja wzrasta. Zatrzymaj prąd całkowicie, a urządzenie zamarza w ostatnim stanie – nie jest potrzebna energia do przechowywania informacji.

Dlaczego memrystory są ważne dla sztucznej inteligencji

Współczesna sztuczna inteligencja działa na mnożeniu macierzy – ogromnych siatkach liczb mnożonych ze sobą miliardy razy na sekundę. Według niektórych szacunków ponad 92 procent obliczeń w dużych modelach AI, takich jak ChatGPT, składa się z tej jednej operacji. Konwencjonalne procesory przesyłają dane tam i z powrotem między pamięcią a jednostkami przetwarzającymi, zużywając energię i czas na każdym kroku.

Memrystory oferują radykalny skrót. Ułożone w matrycę krzyżową, mogą wykonywać mnożenie fizycznie, wykorzystując prawo Ohma: napięcie pomnożone przez przewodność równa się prądowi. Odpowiedź pojawia się natychmiast jako zmierzony prąd, bez potrzeby przesyłania danych. To podejście, zwane przetwarzaniem w pamięci, obiecuje prędkości rzędu wielkości szybsze i znacznie niższe zużycie energii niż tradycyjne chipy.

Ponieważ memrystory naśladują również sposób, w jaki biologiczne synapsy wzmacniają się lub osłabiają wraz z użyciem, są naturalnym dopasowaniem do obliczeń neuromorficznych – sprzętu, który przetwarza informacje tak, jak robi to mózg, zamiast podążać za krok po kroku logiką konwencjonalnego procesora.

Przełom w ekstremalnych warunkach

Badanie z marca 2026 roku opublikowane w Science przez naukowców z University of Southern California przesunęło możliwości memrystorów na terytorium wcześniej uważane za niemożliwe. Zespół kierowany przez profesora Joshuę Yanga zbudował memrystor z wolframu, tlenku hafnu i jednoatomowej warstwy grafenu, który działał niezawodnie w temperaturze 700 °C – wyższej niż stopiona lawa.

Urządzenie zachowywało dane przez ponad 50 godzin w tej temperaturze, przetrwało ponad miliard cykli przełączania i działało przy napięciu zaledwie 1,5 wolta. Warstwa grafenu była kluczową innowacją: zapobiegała migracji atomów wolframu przez ceramikę i powodowaniu zwarcia urządzenia, co było przyczyną awarii wcześniejszych konstrukcji wysokotemperaturowych.

„Można to nazwać rewolucją. To najlepsza pamięć wysokotemperaturowa, jaką kiedykolwiek zademonstrowano” – powiedział Yang.

Taka elektronika odporna na ekstremalne temperatury mogłaby umożliwić misje na powierzchnię Wenus, gdzie temperatury utrzymują się na poziomie około 470 °C, a także głębokie wiercenia geotermalne i operacje w pobliżu reaktorów jądrowych – środowiskach, w których konwencjonalna elektronika po prostu się topi.

Przyszłość

Memrystory już zmierzają w kierunku komercyjnego wykorzystania w temperaturze pokojowej. Yang współzałożył TetraMem, startup komercjalizujący chipy memrystorowe do zastosowań w sztucznej inteligencji. Tymczasem grupy badawcze na całym świecie opracowują sieci neuronowe oparte na memrystorach, zdolne do rozpoznawania obrazów, przetwarzania mowy i diagnostyki medycznej w czasie rzeczywistym – a wszystko to przy ułamku mocy zużywanej przez dzisiejsze centra danych.

Wyzwania pozostają. Produkcja memrystorów na dużą skalę z zachowaniem spójnej wydajności jest trudna, a integracja ich z istniejącą logiką krzemową wymaga nowych architektur chipów. Ale pięć dekad po tym, jak Leon Chua naszkicował czwarty element obwodu na papierze, memrystor w końcu zmniejsza lukę między teorią a przełomową technologią.