Крошечный мемристорный чип сокращает время моделирования мозга до менее чем 10 миллисекунд.

Разработчики создали первый в мире нейродинамический чип на базе фазовой памяти (PCM), который преодолел «барьер памяти» традиционной архитектуры фон Неймана и сравнялся по скорости обработки информации с человеческим мозгом.

Исследование под названием «Нейронная динамическая система с задержкой менее 10 миллисекунд на основе мемристоров с фазовым переходом» было опубликовано в Science и проведено под руководством профессора Пекинского университета Ян Юйчао (Yang Yuchao) совместно с исследователями из Шанхайского института микросистем и информационных технологий Китайской академии наук.
Нейронные динамические системы объединяют нейронные сети с математическими уравнениями, которые описывают, как сложные системы меняются с течением времени. Они полезны для физического моделирования, медицинской визуализации и трехмерной реконструкции мозга. Однако эти системы требуют многократных вычислений, проверки на наличие ошибок и корректировки размера каждого шага вычислений. В обычных компьютерах данные также должны часто перемещаться между памятью и процессором, что увеличивает время обработки и энергопотребление.
Быстрое и точное моделирование работы мозга важно для технологий, которые должны реагировать в режиме реального времени, в том числе для нейрокомпьютерных интерфейсов, хирургической навигации и медицинской визуализации. Существующее оборудование часто требует слишком много времени и энергии для выполнения таких сложных вычислений. Благодаря выполнению ключевых операций непосредственно в памяти новый чип сокращает объем перемещаемых данных и приближает высококачественное моделирование работы мозга к использованию в режиме реального времени.
Повышение скорости за счет вычислений в памяти.
Мемристор с фазовым переходом — это элемент памяти, который меняет свое электрическое сопротивление при воздействии физических тепловых состояний, что позволяет ему хранить непрерывные аналоговые значения, а не только двоичные 0 и 1. Это позволяет чипу вычислять сложные математические уравнения непосредственно в массиве памяти, минуя трудоемкую передачу данных.
Чип объединяет физические свойства материалов с алгоритмами нейронной динамики, используя подход аналоговых вычислений в памяти (Compute-in-Memory, CIM).
Использование дрейфа проводимости: Вместо того чтобы бороться с естественным дрейфом проводимости фазосдвигающих мемристоров (который обычно считается недостатком), инженеры превратили его в вычислительную функцию для моделирования непрерывного времени.
Изготовленный по 40-нанометровому техпроцессу чип с вычислениями в памяти и проводниковыми дрейфовыми матрицами занимает всего 0,28 квадратных миллиметра. Он работает на частоте 50 МГц и использует девять конвейерных ступеней для каждого этапа интеграции. При расчетах нейронной динамики система работает в 3,82–36,27 раза быстрее и потребляет в 11,75–24,73 раза меньше энергии, чем современные ASIC, или специализированные интегральные схемы. При выполнении задач по реконструкции поверхности коры головного мозга она обеспечивает ускорение до 478,18 раза по сравнению с графическим процессором NVIDIA A100.
Исследователи использовали чип для реконструкции поверхностей белого и серого вещества мозга и создания трехмерных поверхностных сеток на основе многообразий в режиме реального времени. 
Для демонстрации возможностей чипа исследователи использовали его в сложнейшей задаче вычислительной нейробиологии — высокоточном трехмерном моделировании коры головного мозга (реконструкции складок серого и белого вещества). Система в реальном времени сгенерировала гладкие, топологически точные 3D замкнутые и топологически непротиворечивые кортикальные поверхности, точно воспроизводя сложные изгибы мозга. Она также показала хорошие результаты при измерении среднего симметричного расстояния до поверхности и расстояния Хаусдорфа, продемонстрировав свою способность обеспечивать высокоточное моделирование мозга.
Расстояние Хаусдорфа является критической метрикой оценки качества:
Проверка точности: Она позволяет строго оценить, насколько физически точно сгенерированная нейросетью 3D-сетка серого вещества соответствует реальной анатомической форме.
Поиск локальных дефектов: В отличие от обычного среднеквадратичного отклонения (MSE), которое может «сгладить» и не заметить одну сильно искаженную складку, расстояние Хаусдорфа жестко среагирует на самый худший участок модели, гарантируя отсутствие грубых ошибок деформации.

Путь к созданию инструментов для работы с мозгом за миллисекунды.

Этот чип может помочь перевести сложное нейронное моделирование с медленной автономной обработки на работу в масштабе миллисекунд. В будущем эта технология может стать основой для интерфейсов «мозг — компьютер», цифровых двойников мозга, хирургической навигации в реальном времени, реконструкции поверхности мозга и инструментов для изучения нейродегенеративных заболеваний, таких как болезнь Альцгеймера и Паркинсона.

Что это значит для крионики.

Если в будущем криопациента будут восстанавливать через молекулярный ремонт нанороботами или путем создания цифровой копии сознания, потребуется идеальная цифровая реконструкция поврежденных объемов. Главный барьер в современной крионике — невозможность быстро обработать колоссальные массивы данных трехмерной структуры замороженной ткани для ее последующего «ремонта» или оцифровки (Mind Uploading).

1. Оценка качества консервации (сканирование) и устранение деформаций в реальном времени.

При витрификации мозг неизбежно сжимается и деформируется. Главной проблемой является микроструктурная деформация тканей (сжатие клеток из-за дегидратации, микротрещины). Чтобы понять, насколько сильно изменился мозг после заморозки, сравнивают прижизненное МРТ/КТ-сканирование пациента с трехмерным сканированием уже витрифицированного мозга. Расстояние Хаусдорфа имеет критическое прикладное значение для оценки сохранности замороженного мозга. Оно выявляет максимальный локальный сдвиг анатомических контуров.
Почему не MSE (средний квадрат ошибки): Если 99% мозга замерзли идеально, но в одном критическом месте (например, в гиппокампе) из-за неравномерного охлаждения возникла трещина шириной в 2 миллиметра, средняя ошибка (MSE) покажет отличный результат. Метрика Хаусдорфа сразу зафиксирует эту ошибку как критические «2 мм», указав на дефект. Алгоритм, опираясь на расстояние Хаусдорфа, подгоняет цифровую модель под исходные биологические маркеры, минимизируя геометрические искажения.
Новый чип, благодаря диффеоморфному картированию со скоростью меньше 10 мс. способен мгновенно сопоставлять деформированную заморозкой трехмерную сетку миллиардов нейронных связей с прижизненными эталонами. Чип вычисляет траектории «обратного развертывания» деформированных тканей без ошибок самопересечения слоев, что не под силу обычным суперкомпьютерам. Традиционные процессоры тратят часы на моделирование одной секунды непрерывной активности нейронов.

2. Управление нанороботами для молекулярного ремонта

Если воскрешение пойдет по пути биологического ремонта (In-Vivo), миллионам нанороботов в капиллярах потребуется координация. Роботам нужна трехмерная навигационная карта мозга пациента, обновляющаяся на лету по мере исправления повреждений.
Высокая энергоэффективность чипа (в десятки раз выше аналогов) и его суб-миллисекундный отклик позволяют интегрировать такие нейроморфные сопроцессоры прямо в медицинские комплексы реанимации для мгновенного расчета траекторий ремонта клеток.

3. Платформа для симуляции сознания (In-Silico Reanimation)

Если сценарий оживления включает перенос личности в компьютер, требуется запустить симуляцию динамики мозга. Этот чип — непрерывная нейродинамическая система (NDS). За счет использования физического дрейфа мемристоров он рассчитывает математические уравнения работы мозга (включая синаптическую пластичность) в сотни раз быстрее GPU NVIDIA A100. Это делает реальной физически точную симуляцию работы реанимированного мозга без гигантских затрат.
Источник: Science 02.07.2026