Nhà khoa học Việt được cấp bằng sáng chế Mỹ cho 'bộ não trong mạch điện'
Linh kiện điện tử dạng mạng thần kinh nhân tạo kích cỡ nhỏ, có khả năng đọc chữ số viết tay, ghép thành từ 256 "memristor" do nhóm nghiên cứu Đại học Quốc gia Hà Nội và TP HCM phát triển. Đây là hướng nghiên cứu được quan tâm trong tính toán mô phỏng não bộ. Trên thế giới hiện có nhiều giải pháp. Việc được USPTO cấp bằng sáng chế là minh chứng cho thấy công nghệ của Việt Nam có tính mới, tính sáng tạo, khả năng ứng dụng và sự khác biệt rõ ràng so với các giải pháp trước đó.
Memristor - còn gọi là trở nhớ - linh kiện điện tử có khả năng vừa lưu trữ vừa xử lý thông tin. Nhờ đặc tính này, trở nhớ giải quyết được điểm nghẽn cổ chai của các hệ thống máy tính AI hiện nay: phải di chuyển dữ liệu giữa bộ xử lý và bộ nhớ. Khi các mô hình mở rộng quy mô, năng lượng dành cho chuyển dữ liệu thậm chí vượt mức dành cho tính toán.
Theo PGS.TS Phạm Kim Ngọc, Đại học Khoa học Tự nhiên, thành viên chính nhóm nghiên cứu, độ dẫn điện của trở nhớ có thể thay đổi dần theo quá trình học tập và ghi nhớ, tương tự cách não bộ điều chỉnh kết nối giữa các nơron thần kinh.
Vì những lý do này, linh kiện được xem là nền tảng hứa hẹn cho mạng thần kinh nhân tạo, tiêu thụ ít điện năng hơn và có thể hoạt động trực tiếp trên thiết bị.
Nhóm nghiên cứu cho biết, kết quả mới ở bước đầu và cần tiếp tục mở rộng để có được sản phẩm ứng dụng, nhưng việc được quốc tế ghi nhận cho thấy nghiên cứu đã có đóng góp trong hướng phát triển phần cứng AI thế hệ mới.
Với kinh nghiệm trong lĩnh vực chế tạo bộ nhớ RRAM - một dạng RAM nhưng hoạt động dựa trên điện trở của vật liệu - sử dụng oxit kim loại, nhóm nghiên cứu theo đuổi câu hỏi: liệu có thể phát triển một memristor mới, phù hợp với năng lực chế tạo và mở rộng quy mô tại Việt Nam?. Dù vậy, từ khi hình thành ý tưởng đến khi hình thành linh kiện là quá trình hơn 5 năm.
"RRAM chỉ cần tạo hai trạng thái '0' và '1' rõ ràng, nhưng memristor thì yêu cầu hàng chục đến hàng trăm trạng thái điện trở trung gian phục vụ tính toán AI", PGS Ngọc mô tả.
Để đạt được trạng thái này, nhóm nghiên cứu từ hai trường đại học đã kết hợp chuyên môn về vật liệu kim loại và công nghệ chế tạo vật liệu siêu mỏng. Họ sử dụng các lớp oxit chrome và oxit titan ở trạng thái vô định hình, tức là không có cấu trúc tinh thể sắp xếp đều đặn như nhiều vật liệu thông thường.
Thông qua cấu trúc vật liệu đặc biệt, các nhà nghiên cứu có thể kiểm soát sự dịch chuyển của oxy, từ đó tạo ra nhiều mức điện trở khác nhau. Một ưu điểm khác là các vật liệu có giá thành thấp, dễ chế tạo hơn các vật liệu đang được sử dụng trong memristor trên thế giới.
Điểm mới giúp trở nhớ "made in Việt Nam" được Văn phòng Sáng chế và Nhãn hiệu Mỹ (USPTO) công nhận không chỉ nằm ở vật liệu mà còn ở cách thiết kế linh kiện, theo PGS Ngọc. Hai loại oxit được xếp thành nhiều lớp xen kẽ - cấu trúc chưa từng được sử dụng trước đây. Thiết kế này giúp linh kiện có khả năng chỉnh lưu, tức là duy trì dòng điện một chiều ổn định, do đó nhiều memristor có thể được ghép thành một mạng lớn.
Nhóm đã thử nghiệm công nghệ trên một tấm silicon hình vuông nhỏ hơn lòng bàn tay. Trên đó có 32 đường điện cực đan vào nhau, tạo ra 256 điểm giao, trong mỗi điểm là một memristor. Khi một hình ảnh, chẳng hạn chữ số viết tay, được chuyển thành tín hiệu điện áp và đưa vào mạng, điện trở tại từng memristor sẽ làm thay đổi cường độ dòng điện đi qua. Các tín hiệu điện trong toàn mạng sau đó tự cộng lại theo định luật vật lý.
PGS Ngọc giải thích, những biến đổi điện áp này cũng chính là phép nhân và cộng ma trận, cốt lõi của nhiều mô hình AI, được gián tiếp thực hiện thông qua đặc tính dẫn điện vật lý của mạng linh kiện. Kết quả số đọc được trả về dưới dạng tín hiệu đầu ra.
Bài toán thử nghiệm tuy chỉ ở quy mô nhỏ nhưng cho thấy các trở nhớ có thể biểu diễn trọng số và phối hợp suy luận, xác nhận tính khả thi của công nghệ.
TS Nguyễn Quang, nhà nghiên cứu mạng nơron nhân tạo tại Trường Đại học Quốc tế, Đại học Quốc gia TP HCM, người sẽ tham gia vào giai đoạn mở rộng mạng memristor, cho biết điểm đáng chú ý của cách tiếp cận này là phép tính được thực hiện trực tiếp trên tín hiệu vật lý của mạch, thay vì lần lượt chuyển đổi và xử lý qua nhiều khối phần cứng.
"Các tính toán này diễn ra trên tín hiệu vật lý thực với tốc độ ánh sáng, trong khi các máy tính ngày nay tính toán bằng tín hiệu số hay dạng biểu diễn ảo", TS Quang cho biết. Do đó, memristor thực hiện hiệu quả các tính toán của mạng nơron và có tiềm năng tạo thành các con chip AI tại biên.
Tuy nhiên mạng 256 linh kiện hiện nay còn "tương đối nhỏ", cần mở rộng số lượng memristor lên hàng trăm lần để có thể trở thành con chip thực tế. Nhóm nghiên cứu cho biết cần tiếp tục thu nhỏ linh kiện xuống mức dưới micromet, xa hơn là nanomet, nhằm tích hợp hàng triệu phần tử trên diện tích khoảng 20-25 mm². Trong quá trình thu nhỏ này cần đảm bảo được sự đồng nhất về độ "siêu mỏng" của linh kiện và đặc tính điện.
Theo PGS Ngọc, để phát triển hướng nghiên cứu chip AI thế hệ mới, cần sự đầu tư dài hạn cho hạ tầng bán dẫn như hệ thống quang khắc hiện đại, phòng sạch và dây chuyền chế tạo. "Việt Nam không chỉ có cơ hội tham gia vào chuỗi cung ứng mà còn có thể đóng góp vào các công nghệ lõi của thế hệ chip tiếp theo", ông nói.
Nam Nguyễn