จีนผงาดเปิดตัวชิปประมวลผลสมองรุ่นแรกของโลก ใช้เทคโนโลยีคำนวณในหน่วยความจำ ก้าวข้ามขีดจำกัดชิปแบบเดิม

6-7-2026

   สำนักข่าว CGTN รายงานว่า   คณะนักวิจัยจากประเทศจีน (China) ประสบความสำเร็จในการพัฒนาชิประบบพลวัตของเซลล์ประสาท (Neural dynamical system chip) ที่อาศัยเมมริสเตอร์แบบเปลี่ยนสถานะ (Phase-change memristors) เป็นเครื่องแรกของโลก โดยสามารถลดความหน่วงในการคำนวณขั้นตอนเดียว (Single-step computation latency) เหลือเพียง 2.12 มิลลิวินาที และมีประสิทธิภาพการทำงานเหนือกว่าหน่วยประมวลผลกราฟิก (GPUs) ขั้นสูงในปัจจุบันถึง 50 ถึง 478 เท่า ในภารกิจการสร้างจำลองโครงสร้างเปลือกสมอง (Brain cortex reconstruction tasks)

  ความสำเร็จครั้งสำคัญนี้ได้รับการตีพิมพ์ในวารสารไซแอนซ์ (Science) เมื่อวันศุกร์ที่ผ่านมา ภายใต้การนำของศาสตราจารย์หยาง อวี่เฉา (Yang Yuchao) จากวิทยาลัยวงจรรวมแห่งมหาวิทยาลัยปักกิ่ง (Peking University's School of Integrated Circuits) โดยศาสตราจารย์ได้เปิดเผยต่อสำนักข่าว กวงหมิง เดลี (Guangming Daily) ว่า การที่จะทำให้เครื่องจักรสามารถจำลองและทำความเข้าใจโลกกายภาพได้แบบเรียลไทม์ (Real-time) จำเป็นต้องอาศัย "ระบบพลวัตของเซลล์ประสาท" (Neural dynamical system) ที่ผสานโครงข่ายประสาทเทียม (Neural networks) เข้ากับสมการเชิงอนุพันธ์ (Differential equations) ซึ่งระบบดังกล่าวจะสามารถสร้างจำลองโครงสร้างสมองแบบ 3 มิติที่มีความราบเรียบและแม่นยำขึ้นมาใหม่ได้ จากข้อมูลที่ไม่สมบูรณ์และมีสัญญาณรบกวน (Noisy data) ซึ่งมีศักยภาพในการประยุกต์ใช้งานอย่างมหาศาล

  อย่างไรก็ตาม โครงสร้างระบบประมวลผลแบบดั้งเดิมในปัจจุบันยังคงเผชิญกับปัญหาคอขวดหลัก นั่นคือ การแยกส่วนระหว่างหน่วยความจำและหน่วยประมวลผล (Separation of memory and computation) โดยในระหว่างกระบวนการแก้โจทย์ ตัวแปรระดับกลางจำนวนมหาศาลจะต้องถูกส่งผ่านไปมาระหว่างหน่วยความจำและตัวประมวลผลซ้ำแล้วซ้ำเล่า เปรียบเสมือนโรงงานข้อมูลขนาดใหญ่ที่ต้องสูญเสียเวลาไปกับการขนส่ง ส่งผลให้เกิดความหน่วงสูงและสิ้นเปลืองพลังงานอย่างมาก

  เพื่อแก้ไขข้อจำกัดดังกล่าว ทีมวิจัยจึงได้ใช้ประโยชน์จากคุณสมบัติทางกายภาพที่เป็นเอกลักษณ์ของหน่วยความจำแบบเปลี่ยนสถานะ (Phase-change memory) นั่นคือ "การเลื่อนลอยของความนำไฟฟ้า" (Conductance drift) ซึ่งเป็นปรากฏการณ์ที่สามารถคาดการณ์และควบคุมได้อย่างแม่นยำภายในช่วงเวลาที่กำหนด จากปัจจัยนี้พวกได้นำเสนอแนวคิดใหม่ที่เรียกว่า "การประมวลผลในหน่วยความจำที่ควบคุมได้" (Controllable in-memory computing) ซึ่งอธิบายอย่างเข้าใจง่ายคือ กระบวนการที่เคยต้องอาศัยการคำนวณทางดิจิทัลซ้ำๆ การเข้าถึงหน่วยความจำแคช (Cache access) และการเคลื่อนย้ายข้อมูลอย่างต่อเนื่อง ในปัจจุบันสามารถขับเคลื่อนผ่านวิวัฒนาการทางกายภาพ (Physical evolution) ของตัวอุปกรณ์เองได้โดยตรง

  นอกจากนี้ ทีมวิจัยยังได้จับคู่ค่านั่งหนักของโครงข่ายประสาทเทียม (Neural network weights) ไปยังสถานะความนำไฟฟ้าหลายระดับ (Multilevel conductance states) ของหน่วยความจำแบบเปลี่ยนสถานะ ช่วยให้สามารถคำนวณการคูณและการสะสมเมทริกซ์ (Matrix multiplication and accumulation) ภายในอาร์เรย์ (Array) เดียวกันได้ ส่งผลให้ภารกิจการคำนวณหลักทั้งสองนี้ถูกผสานรวมเข้าด้วยกันในอาร์เรย์ประมวลผลในหน่วยความจำ (Memory-computing array) ที่มีพื้นที่รวมเพียง 0.28 ตารางมิลลิเมตร และผลิตขึ้นภายใต้กระบวนการขนาด 40 นาโนเมตร (40-nanometer process) โดยชิปดังกล่าวสามารถทำความหน่วงในการคำนวณรอบเดียว (Single-iteration latency) ได้ที่ 2.12 มิลลิวินาที ซึ่งถือเป็นครั้งแรกที่ฮาร์ดแวร์ระบบพลวัตของเซลล์ประสาทได้ก้าวเข้าสู่ "ยุคมิลลิวินาที"

  ศาสตราจารย์หยาง อวี่เฉา (Yang Yuchao) เปิดเผยเพิ่มเติมว่า ชิปตัวนี้มีประสิทธิภาพความเร็วเหนือกว่าอุปกรณ์เร่งความเร็วเฉพาะทางระดับแนวหน้า (Dedicated accelerators) ในปัจจุบันถึง 3.82 ถึง 36.27 เท่า ขณะเดียวกันยังสามารถลดการใช้พลังงานลงได้อย่างมีนัยสำคัญ และในภารกิจการจำลองพื้นผิวของเปลือกสมอง ชิปนี้มีความรวดเร็วกว่าหน่วยประมวลผลกราฟิก (GPUs) ขั้นสูงของต่างประเทศสูงสุดถึง 478.18 เท่า โดยโครงตาข่าย of เปลือกสมอง (Cortical meshes) ที่ถูกสร้างจำลองขึ้นมาใหม่นั้นมีความเรียบเนียน มีความสอดคล้องทางทอพอโลยี (Topologically consistent) สามารถจับโครงสร้างการพับงอที่ซับซ้อนได้อย่างแม่นยำ และยังช่วยลดปัญหาสิ่งแปลกปลอมบนภาพจำลอง (Artifacts) รวมถึงปัญหาการทับซ้อนในตัวเอง (Self-intersections) ที่มักเกิดขึ้นบ่อยครั้งในวิธีการแบบดั้งเดิมได้อย่างมีประสิทธิภาพ

  ในตอนท้าย ศาสตราจารย์หยาง อวี่เฉา (Yang Yuchao) ได้กล่าวสรุปว่า ความสำเร็จครั้งสำคัญนี้ได้เปิดโอกาสใหม่ๆ ให้กับอินเทอร์เฟซเชื่อมต่อสมองกับคอมพิวเตอร์ (Brain-computer interfaces) และการวินิจฉัยโรคทางสมอง โดยในอนาคต การสร้างแบบจำลองสมองเสมือนเฉพาะบุคคลแบบพลวัต (Individualized and dynamic brain digital twins) อาจมีความเป็นไปได้จริง ซึ่งจะช่วยปูพื้นฐานทางฮาร์ดแวร์แบบเรียลไทม์ (Real-time hardware foundation) สำหรับการนำทางระบบประสาทระหว่างการผ่าตัด (Intraoperative neural navigation) การคัดกรองโรคอัลไซเมอร์ (Alzheimer's disease) ในระยะเริ่มต้น ตลอดจนการรักษาและการแทรกแซงทางการแพทย์แบบเฉพาะบุคคล (Personalized intervention) ในอนาคต

---

IMCT NEWS

ที่มา https://news.cgtn.com/news/2026-07-05/Chinese-chip-cuts-brain-modeling-latency-to-milliseconds-1Ox0k1fyKqY/p.html