/, Innovation/Synapsen aus Nano-Drähten. Nächster Schritt zur Künstlichen Intelligenz

Synapsen aus Nano-Drähten. Nächster Schritt zur Künstlichen Intelligenz

2018-12-06T11:05:10+00:006 Dezember 2018|Allgemein, Innovation|

Eine wesentliche Herausforderung in der Entwicklung Künstlicher Intelligenz ist es, die Verarbeitung der Signale des menschlichen Gehirns künstlich zu reproduzieren.Zur Ausgangslage und status quo: In neuronalen Netzen werden Daten hochgradig parallel gespeichert und verarbeitet. Klassische Rechner arbeiten Aufgaben dagegen sehr schnell hintereinander ab und trennen klar zwischen der Speicherung und Verarbeitung von Informationen.

Jülicher Forscher haben gemeinsam mit Kollegen aus Aachen und Turin einen Schritt zur Überwindung dieser Trennnung gesetzt: Sie stellten ein Schaltelement aus Nanodrähten her, das ganz ähnlich wie eine biologische Nervenzelle funktioniert. Ihr Bauelement kann sowohl Informationen speichern als auch verarbeiten – und mehrere Signale parallel empfangen.

Die memristive Zelle aus Oxidkristall-Nanodrähten erweist sich damit als idealer Kandidat für den Bau eines bioinspirierten neuromorphen Prozessors, der die vielfältigen Funktionen biologischer Synapsen und Neuronen übernehmen kann.

Neuronale Netze lassen sich aktuell nur sehr aufwendig und ineffizient mit herkömmlicher Hardware simulieren. Systeme mit neuromorphen Chips, die die Arbeitsweise von Synapsen und Neuronen im menschlichen Gehirn imitieren, versprechen hier deutliche Vorteile. Ein solcher bioinspirierter Rechner arbeitet nach den Vorstellungen von Experten dezentral und verfügt über eine Vielzahl von Prozessoren, die – wie Neuronen im Gehirn – netzartig miteinander verbunden sind.

Fällt ein Prozessor aus, kann ein anderer seine Funktion übernehmen. Und ähnlich wie im Gehirn, wo Training zu verbesserter Signalweiterleitung führt, soll auch ein bioinspirierter Prozessor lernen können.

Mit der heutigen Halbleiter-Technologie lassen sich diese Funktionen teilweise auch schon realisieren. Diese Systeme eignen sich aber nur für spezielle Anwendungszwecke und benötigen viel Platz und Energie“, erläutert Dr. Ilia Valov vom Forschungszentrum Jülich. „Unsere Bauelemente mit Nanodrähten aus Zinkoxid-Kristall können Informationen dagegen von Haus aus verarbeiten und auch speichern, und sind äußerst klein und energieeffizient“, so der Forscher vom Jülicher Peter Grünberg Institut.

Memristiven Zellen werden schon seit Jahren die besten Chancen zugeschrieben, in einem bioinspirierten Rechner die Funktion der Neuronen und Synapsen zu übernehmen. Sie ändern ihren elektrischen Widerstand abhängig von der Stärke und Richtung des elektrischen Stroms, der durch sie fließt.

Anders als in einem herkömmlichen Transistor bleibt der letzte Widerstandswert auch dann noch erhalten, wenn der Strom abgeschaltet wird. Wegen dieser Einstellbarkeit des Widerstandswerts sind Memristoren grundlegend lernfähig.

Für den praktischen Einsatz sind die Bauelemente aus einzelnen Nanodrähten allerdings noch zu empfindlich. Ein elektrischer Strom kann sie leicht zerstören. Als nächsten Schritt planen die Jülicher Forscher daher die Herstellung und Untersuchung eines robusteren memristiven Elements, das aus einer relativ leicht herstellbaren größeren Gruppe aus mehreren Hundert Drähten besteht.

 

 

 

 

Originalpublikation: Self-limited single nanowire systems combining all-in-one memristive and neuromorphic functionalities Gianluca Milano, Michael Luebben, Zheng Ma, Rafal Dunin-Borkowski, Luca Boarino, Candido F. Pirri, Rainer Waser, Carlo Ricciardi, Ilia Valov Nature Communications (published: 4 December 2018), doi: 10.1038/s41467-018-07330-7

 

 

 

 

(Quelle: Forschungszentrum Jülich)

 

 

Ausgewählt bzw. verfasst von:

Hinterlassen Sie einen Kommentar

 
Um unsere Webseite für Sie optimal gestalten zu können, verwenden wir Cookies. Durch die weitere Nutzung der Webseite stimmen Sie der Verwendung von Cookies zu. Diese Seite bietet Nachrichten via Twitter und verwendet Social Media Dienste. Ich bin damit einverstanden. Weitere Informationen zu Cookies erhalten Sie in unserer Datenschutzerklärung. Ich stimme zu