Terobosan Memori China: 10 Miliar Siklus Tulis untuk AI Masa Depan

Telset.id – Peneliti dari Xidian University bersama City University of Hong Kong dan Fudan University berhasil mendemonstrasikan desain memori baru berbasis wurtzite ferroelectrics yang mampu menuntaskan sekitar 10 miliar siklus tulis. Capaian ini menembus batas sebelumnya yang hanya bertahan di kisaran 100 juta siklus, atau sekitar 100 kali lebih rendah. Terobosan ini menjadi salah satu perkembangan paling signifikan dalam pengembangan memori, karena membuka jalan bagi chip memori padat berdaya rendah yang dibutuhkan sistem AI berskala besar di masa depan.

Selama bertahun-tahun, riset memori dan penyimpanan yang lebih cepat dengan kapasitas lebih besar namun tetap hemat energi menjadi target utama industri komputasi. Fokus riset kini mengarah pada wurtzite ferroelectrics, yakni material kristal polar seperti aluminium scandium nitride (AlScN). Material ini dinilai unggul karena kompatibel dengan proses manufaktur semikonduktor yang sudah dipakai saat ini, sekaligus menawarkan target energi rendah dan kecepatan switching yang dibutuhkan penyimpanan cepat.

Kendala utama selama ini adalah keandalan. Pengujian switching berulang pada chip AlScN yang dikembangkan sebelumnya selalu mengalami kegagalan setelah sekitar 100 juta siklus tulis. Peneliti kemudian menelusuri penyebabnya dan menemukan akar masalahnya: atom nitrogen yang hilang. Temuan inilah yang menjadi dasar perancangan struktur baru untuk menekan jumlah nitrogen vacancy dan memperlambat kerusakan material.

Perilaku Atom Nitrogen Jadi Kunci Kegagalan

Wang Ruiqing, peneliti doktoral di Xidian University dan salah satu penulis makalah riset yang baru dipublikasikan di jurnal Science, menjelaskan persoalan ini lewat analogi sederhana. Ia menggambarkan material ferroelectrics seperti ladang jagung yang tertata rapi, dengan nitrogen vacancy sebagai titik-titik tempat bibit tanaman yang hilang.

Menurut Wang, cacat material itu sendiri bukanlah masalah utamanya. Persoalan justru muncul dari perilaku cacat tersebut saat proses switching berlangsung. Alih-alih diam di tempat, nitrogen vacancy bergerak dan bahkan berkumpul membentuk kelompok. Akibatnya, terbentuk “jalur” yang memungkinkan listrik bocor. Setelah memahami mekanisme ini, tim peneliti merancang struktur yang meminimalkan nitrogen vacancy sehingga degradasi material bisa diperlambat secara signifikan.

“Di masa lalu, para peneliti tahu bahwa perangkat gagal dan bisa mengamati sebagian gejalanya, tetapi tidak ada yang mampu menjelaskan pada skala atom apa yang bergerak, bagaimana pergerakannya, dan bagaimana pergerakan itu akhirnya menyebabkan kegagalan,” ujar Wang. Penjelasan pada skala atom inilah yang menjadi pembeda riset ini dibanding upaya sebelumnya.

Dari sisi kebutuhan industri, lonjakan siklus tulis hingga 10 miliar kali ini relevan dengan arah pengembangan pusat data. Kapasitas pemrosesan AI yang terus membesar menuntut memori yang tidak hanya cepat, tetapi juga tahan dipakai dalam waktu lama tanpa penurunan performa. Riset ini menunjukkan bahwa AlScN berpotensi menjadi tulang punggung server farm di masa depan serta menyediakan kerangka bagi adopsi LLM dan kecerdasan artifisial yang lebih luas.

Sebelumnya, riset serupa juga menyoroti bagaimana infrastruktur AI global terus berekspansi. Penambahan kapasitas komputasi skala besar menjadi salah satu indikator bahwa permintaan terhadap memori berperforma tinggi akan terus meningkat. Konteks ini memperkuat relevansi temuan dari tim peneliti China tersebut.

Perlu dicatat, riset ini masih berada pada tahap demonstrasi desain struktural dan penjelasan mekanisme kegagalan pada skala atom. Belum ada informasi mengenai jadwal produksi massal, mitra manufaktur, maupun perkiraan harga dari teknologi ini. Yang jelas, publikasi di jurnal Science menegaskan bahwa persoalan keandalan AlScN kini memiliki penjelasan ilmiah yang lebih utuh dibanding sebelumnya.

Bagi industri, implikasi jangka panjangnya terletak pada kemungkinan menghadirkan memori padat berdaya rendah yang mampu menopang beban kerja AI. Jika pendekatan ini terus dikembangkan, AlScN-based RAM dan storage dapat menjadi fondasi bagi server farm generasi berikutnya. Sementara itu, dinamika regulasi dan tata kelola AI di berbagai negara turut menjadi faktor yang menentukan seberapa cepat teknologi semacam ini diadopsi secara luas.

Temuan ini juga memperlihatkan bahwa kemajuan memori tidak lagi semata soal menambah kapasitas, tetapi soal memahami perilaku material pada level paling dasar. Pendekatan seperti yang dilakukan tim Xidian University, City University of Hong Kong, dan Fudan University menunjukkan bahwa penjelasan pada skala atom dapat membuka jalan bagi perbaikan yang sebelumnya sulit dicapai.

Dengan batas 10 miliar siklus tulis yang jauh melampaui capaian sebelumnya, arah pengembangan memori untuk sistem AI menjadi lebih jelas: material yang kompatibel dengan proses manufaktur yang ada, hemat energi, dan tahan lama. Riset ini menandai satu langkah konkret menuju tujuan tersebut, meski perjalanan menuju penerapan komersial masih memerlukan tahapan lanjutan.

[ META_DESCRIPTION]
Peneliti China ciptakan memori wurtzite ferroelectrics dengan 10 miliar siklus tulis, 100 kali lipat batas sebelumnya, untuk mendukung sistem AI masa depan.