Cambridge-Forscher entwickeln Hafniumoxid-Memristor für energieeffiziente KI-Chips

Neues neuromorphes Chipmaterial
Cambridge-Forscher haben ein nanoelektronisches Gerät entwickelt, das Hafniumoxid verwendet und als stabiler, energieeffizienter Memristor fungiert, der die neuronalen Verbindungen im menschlichen Gehirn nachahmen soll. Die in Science Advances veröffentlichte Arbeit befasst sich mit den Energieverbrauchsproblemen aktueller KI-Hardware.
Funktionsweise
Im Gegensatz zu herkömmlichen KI-Systemen, die Daten zwischen separaten Speicher- und Verarbeitungseinheiten hin- und hertransportieren, speichert und verarbeitet dieser hirninspirierte Ansatz Informationen am selben Ort. Das Cambridge-Team erstellte einen dünnen Film auf Hafniumbasis, der anders als bestehende Memristoren zwischen Zuständen wechselt.
Die meisten Memristoren basieren auf leitfähigen Filamenten innerhalb von Metalloxidmaterialien, die sich unvorhersehbar verhalten und hohe Spannungen benötigen. Das Cambridge-Gerät verwendet stattdessen ein zweistufiges Wachstumsverfahren mit zugesetztem Strontium und Titan, um winzige elektronische Gates (p-n-Übergänge) an den Grenzflächen der Schichten zu bilden.
Dadurch kann das Gerät den Widerstand sanft ändern, indem es die Höhe einer Energiebarriere an der Grenzfläche verschiebt, anstatt Filamente wachsen zu lassen oder zu unterbrechen. Der leitende Forscher Dr. Babak Bakhit erklärt: „Da unsere Geräte an der Grenzfläche schalten, zeigen sie eine hervorragende Gleichmäßigkeit von Zyklus zu Zyklus und von Gerät zu Gerät.“
Leistungsmerkmale
- Schaltströme etwa eine Million Mal niedriger als bei herkömmlichen oxidbasierten Geräten
- Erzeugt Hunderte von unterschiedlichen, stabilen Leitfähigkeitsstufen
- Potenzial zur Reduzierung des KI-Energieverbrauchs um bis zu 70 % im Vergleich zu aktueller Hardware
- Hervorragende Stabilität und Gleichmäßigkeit über Schaltzyklen hinweg
Die Forscher betonen, dass effektive KI-Hardware Geräte mit extrem niedrigen Strömen, ausgezeichneter Stabilität, herausragender Gleichmäßigkeit und der Fähigkeit zum Wechsel zwischen vielen verschiedenen Zuständen erfordert. Dieser Hafniumoxid-Memristor-Ansatz scheint diese Anforderungen zu erfüllen und gleichzeitig das Problem der Filamentzufälligkeit zu lösen, das bisherige Memristor-Technologien eingeschränkt hat.
📖 Quelle lesen: HN AI Agents
👀 Siehe auch

Anthropic ändert Abonnementbedingungen, OpenClaw-Nutzer werden jetzt separat für Agenten-Nutzung abgerechnet
Anthropic hat die Claude-Max-Abonnements auf erstklassige Oberflächen wie Claude.ai und Claude Code beschränkt, wobei die Nutzung von Drittanbieter-Agenten nun als 'Zusätzliche Nutzung' tokenbasiert abgerechnet wird. Nutzer haben vier Optionen: bei Max bleiben und zusätzlich zahlen, auf die Anthropic-API umsteigen, den Anbieter wechseln oder intelligentes Routing mit Manifest nutzen.

OpenClaw-Entwickler meldet Kontextkompaktierungsprobleme während des Driftwatch V3-Builds
Ein OpenClaw-Entwickler schloss die Sprints 2–4 des Driftwatch-V3-Builds ab, stieß jedoch auf Kontextkomprimierungsprobleme, die den Speicher des KI-Agenten mitten in der Sitzung löschten, was manuelle Eingriffe zur Wiederherstellung des Fortschritts mithilfe von Sprint-Zusammenfassungen erforderte.

DeepSeek V4 Preise im Realitätscheck: 178x günstigere gecachte Tokens im Vergleich zu Opus, aber Leistungsdefizit eingeräumt
DeepSeek V4 Pro Input für $0,145/M Tokens vs. Claude Opus 4.7 für $5/M (34x günstiger); Cache-Treffer für $0,0036/M vs. $0,625/M (173x günstiger). Die Leistung liegt 3–6 Monate hinter GPT-5.4 und Gemini 3.1 Pro.

CC 2.1.128 Veröffentlichung: Neuer integrierter Hintergrund-Agent, C# Beta-Unterstützung und Modell-Abkündigungen
CC 2.1.128 (+1406 Tokens) enthält eingebaute Anweisungen für Hintergrund-Agenten, C#-Tool-Runner/Managed-Agents-Beta-Support, deprecatiert Sonnet 4 und Opus 4 mit Empfehlung von Opus 4.7/Sonnet 4.6 und entfernt Sitzungsspeicher-Vorlagen.