ほとんどのニューロモルフィックチップは、そのアーキテクチャを、思考をつかさどる脳領域である大脳皮質から借用している。ノースウェスタン大学の研究チームは、代わりにまったく別の脳の部位からチップを構築した。頭蓋の後部にある握り拳ほどの大きさの構造である小脳は、考えるというよりは予測する。小脳は、体がこれから行おうとしていることと、起こると期待していることを絶えず比較しており、その計算上の特徴は増幅ではなく抑制である。この小脳を模倣するチップは、7月10日にNature Communications誌で報告され、同じ流儀で動作する。想定内の出来事には静かにし、想定外の出来事にだけエネルギーを費やす。
ハードウェアは、二硫化モリブデン製のメムトランジスタで構成されている。メムトランジスタは、原子レベルの薄さを持つ単一のチャネルに記憶とトランジスタの働きを統合した素子であり、従来のコンピュータを遅くしている原因である、記憶ユニットと処理ユニットの間の絶え間ないデータの往復を不要にする。ノースウェスタン大学の素子にはひねりが加えられている。非対称性だ。一方の電極は半導体に直接接触する。もう一方の電極は半導体の一部の上に浮いた状態で置かれ、薄い絶縁性の延長部分によって隔てられている。電圧の極性を反転させると、同じ素子が、研究チームが興奮性と抑制性と呼ぶ2つのモードの間で再構成される。小脳の回路の均衡を保つ、互いに競合するシグナルを映し出す仕組みだ。
バランスが重要な理由
小脳では、興奮性と抑制性のシグナルが通常は互いに打ち消し合う。顆粒細胞はプルキンエ細胞を興奮させる。プルキンエ細胞は、脳内で最も強い短期促進で知られる大型の出力ニューロンだ。一方、分子層介在ニューロンはフィードフォワード抑制を担う。馴染みのある入力が届くと、2つのシグナルは平衡を保ち、回路は予測どおりに応答する。新しい何かが現れるとバランスが崩れ、ネットワークはその変化にフラグを立てる。
メムトランジスタはその踊りをハードウェア上で再現する。興奮性の構成では、素子は緩やかで減衰の遅い応答を示す。これは、顆粒細胞からプルキンエ細胞へのシナプスにおける促進の蓄積に似ている。抑制性の構成では、素子は急激に応答してすぐに減衰し、フィードフォワード抑制を模倣する。新しい入力がアレイのバランスを崩すと、その一時的な抑制が、システムが異常として読み取るシグナルになる。材料科学者のMark Hersam、神経生物学者のIndira Raman、イリノイ大学シカゴ校の電気工学者Amit Trivediが率いる研究チームは、この創発的な挙動を分化と呼んでいる。これは、神経科学者が入力パターンを識別するプルキンエ細胞の能力を指すのに使う言葉と同じだ。
数字
性能の主張には、その測定方法に関する注記が付く。シミュレーションによる心電図テストでは、システムは98パーセント超の精度で不整脈にフラグを立てた。従来のベースライン手法の70〜80パーセントと比較される数字だ。異常の検出は、心拍の5分の1以内の時間で行われた。また、100パーセントの精度への到達は、現代の言語・画像AIの背後にある標準的なアーキテクチャであるトランスフォーマーモデルより2.4倍速かった。さらに、その達成に必要な演算量は、シリコンベースの手法よりおよそ10,000分の1だった。
心電図の結果は、患者の胸に装着して動作する完全統合型チップによるものではなく、測定済みの単一素子データから構築されたネットワークシミュレーションに基づくものだ。10,000分の1という数字は演算回数の話であり、測定された消費エネルギーの話ではない。省エネ効果は直接ベンチマークされたのではなく、推測に基づくものだ。Hersam氏は、実証と製品の間の隔たりについて明確に述べている。研究チームはメムトランジスタを市販のシリコンチップの水準までスケールしていないのだ。素子の歩留まりはおよそ70パーセントで、チャネルの長さは数百ナノメートル、実証用アレイは10×1のクロスバーであり、現代のプロセッサに搭載される数十億個のトランジスタとは程遠い。
小脳がもたらすもの
真剣に受け止める価値があるのは、このチップがあらゆるAIシステムより優れているという主張ではなく、ごくわずかな仕組みで特定の仕事をこなすという点だ。ウェアラブル心臓モニターや自動運転車両が必要とする継続的モニタリングのような常時センシングは、従来のハードウェアでは極めて非効率だ。従来のハードウェアは、何かが重要かもしれないという理由で、すべてのフレーム、すべての心拍、すべてのサンプルを処理しなければならないからだ。小脳型アーキテクチャはこの論理を逆転させる。ルーチンは安上がりだ。ハードウェアがルーチンを抑制するように設計されているからだ。そして、不整脈や道路に飛び出す歩行者といった異常な瞬間だけが、完全な応答を引き起こす。
これは、小脳が運動制御に適用しているのと同じ設計原理だ。運動制御では、脳は意識的思考のレイテンシなしに、数十ミリ秒以内で外乱に反応しなければならない。ノースウェスタン大学チームの次の目標は馴化だ。そもそも何がルーチンに当たるかを学習する小脳の能力で、これが実現すれば、チップは世界を眺めながら正常の定義を適応させられるようになる。チームはまた、このアプローチが心電図を超えて一般化することを示しており、手書き数字と音声に対する新規性検出を実証している。
この研究は、エッジコンピューティングにおけるより広い変化の流れに加わるものだ。エッジコンピューティングでは、生の知能ではなく電力の制約が決定的な限界となる。データセンターはすでに年間数百TWhの電力を消費しており、あらゆるウェアラブル機器で大規模モデルを動かすという選択肢はない。小脳の経済性を借り、退屈な部分では眠っているチップは、その窮地を脱する一つの有力な道だ。脳の最も古い回路は、どうやら注意力について正しい考えをずっと抱いていたようだ。希少な資源は、反応する能力ではなく、反応すべきでない時を知る能力なのである。
出典
1. Min-A Kang, Spencer T. Brown, Nethmi Jayasinghe, et al., “Cerebellum-inspired memtransistors enable emergent differentiation for hardware-efficient novelty detection,” Nature Communications (2026), published July 10, 2026. DOI: 10.1038/s41467-026-75212-4. PMID: 42431950. https://www.nature.com/articles/s41467-026-75212-4
2. Owen Hughes, “New AI chip mimics the human brain’s capacity for split-second motor control… 10,000 times fewer calculations,” Live Science, August 11, 2026. https://www.livescience.com/technology/electronics/new-ai-chip-mimics-the-human-brains-capacity-for-split-second-motor-control-it-solved-problems-using-10-000-times-fewer-calculations
3. Amanda Morris, “AI gets a cerebellum,” Northwestern Now, July 10, 2026. https://news.northwestern.edu/stories/2026/07/ai-gets-a-cerebellum
4. Semiconductor Engineering, “Research Bits: July 14,” 2026. https://semiengineering.com/research-bits-july-14/
5. Neuroscience News, “AI cerebellum memtransistor,” July 10, 2026. https://neurosciencenews.com/ai-cerebellum-memtransistor-31036
6. PubMed record: https://pubmed.ncbi.nlm.nih.gov/42431950/
雅子 訳