現代の人工知能（AI）技術は、驚異的な速度で進化を遂げ、我々の生活のあらゆる側面に浸透しつつある。大規模言語モデルや画像生成AIが日常的に利用される一方で、その背後にあるコンピューティング基盤は、地球規模の深刻な課題に直面している。それが「莫大な電力消費」という物理的な壁である。より賢く、より人間に近いAIを追求すればするほど、データセンターを稼働させ冷却するために消費されるエネルギーは幾何級数的に膨れ上がっていく。このジレンマを根本から解決する次世代のパラダイムとして世界中の研究者が開発にしのぎを削っているのが、人間の脳の構造と機能を模倣した「ニューロモルフィック・コンピューティング」である。
そして2026年3月、韓国の大邱慶北科学技術院（DGIST）のLee Hyun Jun上級研究員およびNoh Hee Yeon准研究員が主導する研究チームが、この分野において歴史的なブレイクスルーを達成した。彼らは、世界で初めて「水素イオン（H+）」の移動を電気信号で精密に制御し、脳のシナプスのように自律的な学習と記憶を行う2端子型のAI半導体の開発に成功したのである。米国化学会が発行する権威ある国際学術誌『ACS Applied Materials & Interfaces』の表紙を飾ったこの画期的な研究は、従来のAIハードウェアの常識を覆し、超低消費電力・高密度の次世代チップ実現に向けた確かな道筋を示している。
ニューロモルフィック半導体が求められる背景：計算とメモリの分離が生む非効率
現代のAI（人工知能）システムは膨大なデータをリアルタイムで処理するが、その基盤となる従来のコンピュータアーキテクチャには根本的な制約がある。ノイマン型と呼ばれる一般的な設計では、計算を担うプロセッサとデータを保存するメモリが物理的に分離されている。AI処理のような大規模なデータ転送を必要とするタスクでは、この分離が処理速度の低下と消費電力の増大を招く。
この問題を解消するアプローチとして研究が進むのが、ニューロモルフィック（神経模倣型）半導体だ。人間の脳は計算とメモリをニューロン（神経細胞）の中で同時並行して処理する。ニューロモルフィック半導体はこの仕組みを電子回路上に再現し、計算とデータ保存を一体化させることで低消費電力・高効率な情報処理を実現しようとする。その中核となるのが人工シナプスデバイスだ。電気信号に応じて導電率が変化し、その変化した状態を保持するこのデバイスが、ニューロモルフィック半導体における「記憶」と「学習」を担う。
従来の人工シナプスデバイスの多くは、酸化物材料中の「酸素空孔（oxygen vacancy）」—結晶構造において酸素原子が欠如することで生じる欠陥—の移動を利用してきた。電気信号を与えると酸素空孔が移動し、デバイスの電気抵抗が変化する。この変化をデータの記録として利用するわけだが、長期にわたる安定性の確保と複数デバイス間の特性の均一化が難しいという課題が指摘されてきた。
酸素空孔から水素イオンへ：新しい抵抗スイッチングメカニズムの設計思想
DGISTの研究チームは、酸素空孔に代わる移動種として水素イオン（H⁺）に着目した。研究チームは、積層された酸化物層の間に水素イオンを注入・排出する動作を電場によって精密に制御する独自の手法を開発した。電場の向きと強度を調整することで水素イオンの移動方向と量を制御し、デバイスの電気的抵抗状態を任意に変化させる仕組みだ。
この手法による最大の改善点は、デバイスの安定性と均一性にある。従来の酸素空孔ベースのアプローチでは、欠陥の挙動が材料の微細構造に大きく依存するため、長期安定性やデバイス間のバラつき抑制が難しかった。水素イオンの精密制御はこの問題を異なるメカニズムで解消しようとするものだ。
Lee Hyun Jun氏は「この研究は、単に別のAI半導体を開発したことを超えた重要な意味を持つ。既存の酸素空孔ベースのメモリとは全く異なる、水素移動を使った新しい抵抗スイッチングメカニズムを提示している」と述べている。Noh Hee Yeon氏も「積層された半導体層間で水素原子の移動を電気的に精密制御した最初の事例だ」と強調する。
世界初の達成点：2端子縦型構造での水素移動の精密制御
この研究が「世界初」とされる最大の根拠は、水素移動の精密制御を「2端子縦型構造（two-terminal vertical structure）」で実現した点にある。2端子縦型構造とは、半導体層を縦方向に積み重ね、上下2つの電極の間に電流を流す構成だ。半導体製造（ファブリケーション）工程が比較的シンプルで、単位面積あたりに集積できるデバイス数を増やしやすいという特徴を持ち、次世代の高密度AIチップ製造に適した構造とされている。
これ以前の研究において、水素移動を利用したメモリデバイスは存在していたが、縦型2端子構造の中で水素の移動を電気的に精密制御し、AIに必要な演算動作を実現した報告は存在しなかった。研究チームは、積層された半導体層の間を水素イオンが印加された電場のもとで移動し、デバイスの導電率を変化させることを世界で初めて示した。
2端子縦型構造が次世代チップ向けに重要とされる理由は2点ある。1点目は高集積密度の実現可能性だ。デバイスが縦方向に積層される構造のため、平面方向の占有面積を小さく抑えながら多数のデバイスを配置できる。2点目は製造工程の簡略化だ。電極が2つしかないシンプルな構造は、より複雑な多端子構造と比べて製造プロセスを単純に保てる。これらの特性が、同構造での水素移動制御の実証を技術的に意義深いものにしている。
10,000サイクル超の安定動作とシナプス学習機能の実証
開発されたデバイスの性能評価では、複数の重要な特性が確認されている。耐久性試験では、10,000回以上の繰り返しスイッチング動作を経ても劣化は見られず、安定した特性を維持した。長期保存試験においても、プログラムされた抵抗状態（メモリ状態）が長時間にわたって維持されることが確認されている。
特筆すべきはアナログ的な導電率変化の実現だ。従来の2値スイッチ（オン・オフの2状態間でフリップする）とは異なり、このデバイスの抵抗は印加する電気信号に応じて連続的に変化する。研究チームはこの特性を用いて、脳のシナプスが示す学習動作—人工ニューロン間の接続強度（シナプス重み）を段階的に調整する動作—をデバイス上で実証した。
シナプス重みをアナログ的に変化させる能力は、ニューラルネットワークの学習アルゴリズム（重み更新）をハードウェア上で直接実行するために不可欠な特性だ。研究チームは、開発したデバイスがこの要件を満たすことを実験的に確認した。論文は『ACS Applied Materials & Interfaces』のカバーペーパーに選定されており、これは抵抗メモリの活性種として水素を使用することの新規性と、縦型2端子構造での実装の実用的意義の両面を評価したものだ。
AIハードウェアアーキテクチャへの影響と研究チームが示す今後の方向性
この研究の意義は、水素移動という新しい抵抗スイッチングメカニズムの提示にとどまらない。研究チームが選択した2端子縦型構造は、製造プロセスの簡略化と高集積密度の両立という観点から、次世代ニューロモルフィックチップの実装に直結する設計形式だ。安定性と均一性を改善した水素イオン制御と、スケーラビリティに優れた縦型構造を組み合わせた本研究は、これまでの酸素空孔ベースのアプローチが抱えてきた課題を異なる材料メカニズムで解消しようとするものだ。
研究チームは、この水素移動メカニズムの解明がAIハードウェアアーキテクチャの変革につながると主張している。Noh Hee Yeon氏は「水素移動メカニズムを解明したこの研究の知見は、AIハードウェアのアーキテクチャを根本的に変え、次世代の低消費電力・高効率ニューロモルフィック半導体の時代を加速させるだろう」と述べており、この研究をより広いニューロモルフィックハードウェア開発の文脈に位置づけている。
水素イオン制御による新しい抵抗スイッチングメカニズムの2端子縦型構造への実装が世界で初めて実証されたことで、ニューロモルフィック半導体研究における材料選択と構造設計の双方に新しい選択肢が加わった。研究チームは今後もこの水素移動メカニズムの知見を基盤として、次世代AIハードウェアの開発研究を継続するとしている。
論文
- ACS Applied Materials & Interfaces: Tunable Hydrogen Dynamics Under Electrical Bias for Neuromorphic Memory Applications
参考文献
