復旦大学の研究チームらが、AIハードウェアの進化を促進させる可能性を持つ技術的ブレークスルーを発表した。動的ランダムアクセスメモリ（DRAM）の基本原理と、原子レベルの厚さを持つ2D半導体・二硫化モリブデン（MoS₂）を融合させ、生物の脳が持つ自己調整機能「内在的可塑性」をハードウェアレベルで実装した人工ニューロンを開発したのだ。これは、AIチップの設計思想をフォン・ノイマン型アーキテクチャの軛（くびき）から解き放ち、真に脳を模倣したコンピューティングへの道を拓く重要な一歩となる可能性がある。
AIハードウェアが直面する「メモリの壁」という物理的制約
現代のAI、特に大規模言語モデル（LLM）や生成AIの進化は、GPUに代表される並列コンピューティングハードウェアの圧倒的な性能向上に支えられてきた。しかし、その進化の裏側で、我々は物理的な限界に直面しつつある。それは「フォン・ノイマン・ボトルネック」、あるいは「メモリの壁」として知られる古くて新しい課題である。
現在のコンピュータは、演算を行うプロセッサとデータを記憶するメモリが分離されたフォン・ノイマン型アーキテクチャを基本とする。プロセッサがどれだけ高速化しても、メモリとの間でデータを頻繁にやり取りする必要があり、このデータ転送が遅延（レイテンシ）と電力消費の巨大なボトルネックとなる。AIの計算は、膨大なパラメータ（重み）をメモリから読み出し、演算を行い、結果を書き戻す作業の繰り返しであり、この問題を特に深刻化させる。
一方で、人間の脳は、スーパーコンピュータが数メガワットの電力を消費してようやく達成するような高度なパターン認識を、わずか20ワット程度のエネルギーで実行する。この驚異的な効率性の源泉は、脳がフォン・ノイマン型ではないことにある。ニューロン（神経細胞）は、情報の「処理」と「記憶」を同じ場所で行う「インメモリ・コンピューティング」の究極形であり、データ移動のオーバーヘッドが原理的に存在しない。
この脳の構造と機能にヒントを得て、AIハードウェアの電力効率を飛躍的に高めようとする研究分野が「ニューロモーフィックコンピューティング」である。
ニューロモーフィック研究の現在地と「内在的可塑性」という未踏峰
ニューロモーフィックコンピューティングの研究は、これまで主に「シナプス可塑性」のハードウェア実装に焦点を当ててきた。シナプス可塑性とは、ニューロン間の結合の強さ（シナプス荷重）が、経験や学習に応じて変化する性質を指す。「ニューロンAが発火した直後にニューロンBが発火すると、両者の結合が強まる」といったヘブ則に代表される学習ルールであり、AIの学習アルゴリズムの生物学的な基礎となっている。
しかし、生物の脳の学習メカニズムは、シナプス可塑性だけで完結するものではない。もう一つの、そして同様に重要なメカニズムが存在する。それが「内在的可塑性（Intrinsic Plasticity）」である。
内在的可塑性とは、個々のニューロンが、自身の発火のしやすさ（興奮性）を活動履歴に応じて自律的に調整する能力を指す。例えば、あるニューロンが過剰に発火し続けると、そのニューロンは自らの発火閾値を引き上げ、興奮を抑えるように働く。逆に、長期間発火していないニューロンは、発火閾値を下げてより少ない入力で発火しやすくなる。
この自己調整機能は、ネットワーク全体の活動を安定させ（ホメオスタシス）、暴走や沈黙を防ぐとともに、学習効率を向上させる上で極めて重要な役割を担っている。シナプスの可塑性がニューロン「間」の関係性を調整するのに対し、内在的可塑性はニューロン「自体」の特性を調整する。この二つの可塑性が相互に作用することで、脳は柔軟かつ安定した情報処理を実現している。
これまでのニューロモーフィックチップの多くは、この内在的可塑性をハードウェアレベルで直接的に実装する有効な手段を持たなかった。そのため、ソフトウェアや周辺回路による間接的な制御に頼らざるを得ず、脳の持つ真の効率性と適応性を再現する上での大きな障壁となっていた。今回の復旦大学らの研究は、まさにこの未踏峰に挑み、エレガントな解決策を提示した点で画期的である。
DRAM構造と2D半導体が織りなす革新的アーキテクチャ
研究チームが開発した人工ニューロンの核心は、誰もが知るありふれた技術である「DRAM」の構造と、最先端の2D材料「MoS₂」の物性を巧みに組み合わせた点にある。
なぜDRAMなのか？：膜電位のアナログ的模倣
DRAMは、微小なキャパシタ（コンデンサ）に電荷を蓄えるか、蓄えないかで「1」と「0」を記憶するメモリだ。この研究では、DRAMのデジタルな記憶素子としてではなく、アナログ的な物理デバイスとして捉え直している。
生物のニューロンは、細胞膜を隔てたイオンの濃度差によって生じる電位、「膜電位」を持つ。他のニューロンからシナプスを介して興奮性の入力パルス（スパイク）を受け取ると膜電位が上昇し、この電位がある閾値に達すると、自身もスパイクを発生させる（発火）。これは「積分発火（Integrate-and-Fire）」モデルとして知られる。
研究チームは、DRAMのキャパシタに蓄積される電荷量を、このニューロンの膜電位に直接対応させた。
DRAMキャパシタの電荷量 ⇔ ニューロンの膜電位
入力スパイクが到着するたびに、キャパシタに一定量の電荷が注入される。これにより電荷量、すなわち膜電位が時間とともに積分されていく。そして、キャパシタの電圧が所定の閾値に達した瞬間、ニューロンは「発火」する。このアイデア自体は新しいものではないが、その実装にMoS₂を組み合わせた点が、今回のブレークスルーの鍵である。
なぜMoS₂なのか？：究極の低消費電力と機能集積
二硫化モリブデン（MoS₂）は、グラフェンと同様に原子一層分の厚さしか持たない「2D半導体」である。この究極的な薄さは、半導体デバイスにいくつかの極めて有利な特性をもたらす。
- 優れたゲート制御性: チャネルが極めて薄いため、ゲート電圧によってチャネル内の電流を非常に効率的にオン/オフできる。これにより、リーク電流を極限まで抑えることが可能となり、超低消費電力動作が実現する。
- 高いキャリア移動度: シリコンに匹敵する、あるいはそれ以上のキャリア移動度を持ち、高速なスイッチング動作が可能。
- 光応答性: 特定の波長の光を吸収して電子を生成する性質があり、光センサーとしての機能も併せ持つ。
研究チームは、このMoS₂を用いてインバータ回路（入力信号のHigh/Lowを反転させる回路）を構成した。このインバータは、DRAMキャパシタの電圧を監視し、電圧が発火閾値に達した瞬間に鋭い出力パルス（スパイク）を生成する役割を担う。発火後には、キャパシタの電荷をリセットする機構も備わっている。
MoS₂の採用は、単に低消費電力化に貢献するだけではない。後述する「視覚適応」機能の実装においても、その光応答性が決定的な役割を果たしている。
「内在的可塑性」の実装メカニズム
このアーキテクチャの最も独創的な点は、内在的可塑性の実装方法にある。従来のニューロモーフィックチップが複雑な追加回路を必要としたのに対し、このデバイスはDRAMとインバータという極めてシンプルな構成でそれを実現している。
このシステムでは、ダイナミックランダムアクセスメモリ（DRAM）コンデンサの電圧、すなわち神経細胞の膜電位を調節することで、固有の可塑性を模倣することが可能である。
(Nature Electronics (2025). DOI: 10.1038/s41928-025-01433-y)
論文が示唆するように、このシステムではDRAMキャパシタの電圧、つまりニューロンの膜電位そのものを直接的かつ動的に変調することが可能である。技術的な観点から推察すると、これはニューロン自身の発火履歴をフィードバックし、インバータ回路の閾値電圧や、DRAMキャパシタへのリーク経路を制御することで実現されていると考えられる。
これにより、ニューロンは自身の活動レベルに応じて、次のスパイクに対する発火のしやすさを自律的に調整できる。これは、生物の脳におけるイオンチャネルの密度変化などに起因する内在的可塑性を、ハードウェアレベルで極めて忠実に模倣するものだ。この機能により、ネットワークは外部からの入力変動に対してより頑健になり、学習の安定性が向上する。
視覚適応機能：光受容から情報処理までの一貫性
さらに研究チームは、この人工ニューロンを3×3のアレイ状に集積し、脳の視覚情報処理を模倣する実験を行った。ここでMoS₂の持つ光応答性が活きてくる。
MoS₂トランジスタは、光を照射されると内部でキャリアが生成され、電流が流れやすくなる。この性質を利用し、人工ニューロン自体が光センサーとして機能するように設計されている。これにより、光の強度に応じてニューロンの発火感度が動的に調整される「視覚適応」が実現された。これは、人間が明るい場所から暗い場所に入ったとき（あるいはその逆）に、目の感度が徐々に順応していくプロセスをハードウェアで再現したものである。
この実装の意義は大きい。従来のシステムでは、光を検出するセンサー、前処理を行う回路、そして認識を行うコンピューティングユニットがそれぞれ別々の部品として存在していた。しかし、このデバイスは「知覚（光の検出）」「記憶（DRAMによる膜電位の保持）」「計算（積分発火と可塑性）」を単一のユニットでシームレスに統合している。これは、フォン・ノイマン・ボトルネックだけでなく、センサーとプロセッサ間のデータ転送ボトルネックをも解消する、真に脳に着想を得たアーキテクチャと言える。
実証された性能と応用の展望
研究チームは、開発した人工ニューロンを用いて「Bio-Inspired Neural Network (BioNN)」を構築し、画像認識タスクでその有効性を実証した。このネットワークでは、入力画像のピクセル情報が光としてニューロンアレイに直接与えられ、アレイ自体が視覚適応やスパイク信号へのエンコーディングといった前処理と、認識のための計算処理を同時に実行する。
この知覚と計算の統合は、特にリアルタイム性と低消費電力が厳しく要求されるエッジAIアプリケーションにおいて、計り知れない可能性を秘めている。
- 自動運転: 車載カメラやLiDARからのセンサーデータを、クラウドを介さずに瞬時に処理。変化する照明条件下でも安定した物体認識を実現し、反応時間を短縮する。
- スマートヘルスケア: ウェアラブルデバイスに搭載し、心電図や血圧などの生体データを常時監視。異常パターンを低消費電力で検出し、瞬時にアラートを出す。
- インテリジェントロボット: ロボットの「眼」となるカメラが、見たものを即座に理解し、行動に反映させる。工場や家庭など、動的な環境での自律性が飛躍的に向上する。
これらの応用は、従来のハードウェアでは消費電力や遅延の観点から実現が困難だったものであり、今回のブレークスルーが新たな市場を切り開く可能性を示唆している。
地政学的文脈と技術的意義
この研究成果が中国から発信されたことは、技術的な側面だけでなく、地政学的な観点からも注目に値する。米国による先端半導体、特にNVIDIA製GPUの輸出規制が強化される中、中国は独自の技術開発路線を強力に推進している。
従来のシリコンベースのデジタルロジック、特にGPUアーキテクチャで正面から競争するのではなく、ニューロモーフィックという全く異なるコンピューティングパラダイムと、MoS₂という次世代材料を組み合わせることで、既存の技術的序列を迂回し、新たなゲームの主導権を握ろうとする戦略的意図が見て取れる。ニューロモーフィックコンピューティングは、世界的に見てもまだ黎明期にあり、勝者が決まっているわけではない。この領域で先行することは、将来のAI産業における競争優位性を確立する上で極めて重要である。
技術的意義と将来展望
この研究成果は、単なる学術的な成功に留まらず、将来のAIハードウェアの設計思想そのものに影響を与えるポテンシャルを秘めている。
フォン・ノイマン・ボトルネックの抜本的解消へ
このデバイスは、メモリ（DRAMキャパシタ）とプロセッシング（MoS₂インバータ）が原子レベルで融合した究極のインメモリ・コンピューティング素子と見なせる。これは、フォン・ノイマン型アーキテクチャの根源的な制約である「メモリの壁」に対する、最もエレガントな解答の一つとなりうる。知覚、記憶、計算が一体化することで、データ移動という概念そのものが希薄になり、エネルギー効率は飛躍的に向上するだろう。
スケーラビリティと製造プロセスへの課題
一方で、この技術が研究室のプロトタイプから産業応用へと移行するには、いくつかの重要なハードルが存在する。
- 材料の均質性とスケーラビリティ: ウェハースケールで高品質かつ均質な単層MoS₂膜を低コストで安定的に製造する技術は、まだ発展途上である。これが量産の最大の障壁となる可能性がある。
- CMOSプロセスとの統合: この新しいデバイスを、既存のCMOS（相補型金属酸化膜半導体）ロジックやメモリとどのようにシームレスに統合するか。製造プロセスの互換性やインターフェースの設計は、極めて難易度の高いエンジニアリング課題だ。
- ソフトウェアとアルゴリズム: この新しいハードウェアの能力を最大限に引き出すためには、スパイク・タイミングに依存する新しいAIアルゴリズムや、それを記述するためのソフトウェアスタック、コンパイラなど、全く新しい開発エコシステムの構築が不可欠となる。
AIチップ市場における地政学的インパクト
このブレークスルーは、技術的な側面だけでなく、地政学的な文脈においても重要な意味を持つ。米国による先端半導体、特にNVIDIA製GPUの輸出規制が強化される中、中国は独自の半導体技術開発を国家戦略として強力に推進している。
従来のシリコンベースのチップ設計で正面から競争するのではなく、2D半導体を用いたニューロモーフィックという、まだ世界的に黎明期にある分野で技術的リーダーシップを確立しようとする動きは、極めて戦略的だ。この研究は、中国が既存の技術ロードマップを「リープフロッグ（蛙飛び）」し、次世代AIハードウェアの覇権を握るための重要な布石となる可能性がある。この技術的選択が、将来のAIチップ市場の勢力図にどのような影響を与えるか、注視する必要があるだろう。
このDRAM原理に基づく人工ニューロンは、コンピューティングの未来が、単なるプログラムの進化だけでなく、物質そのものの構造と物理法則の深淵な理解の中にこそあることを示している。脳という究極のコンピューティングマシンにまた一歩近づいたこの技術が、実用化の壁を乗り越えた時、我々の世界は真のユビキタスAI時代を迎えることになるだろう。
論文
- Nature Electronics: A biologically inspired artificial neuron with intrinsic plasticity based on monolayer molybdenum disulfide
参考文献