Mobile-Menu

Forschung Neuer Ansatz für ein energieeffizientes Gehirn-inspiriertes Rechnen

Quelle: Universität Greifswald 2 min Lesedauer

Anbieter zum Thema

Ernst-Moritz-Arndt Universität Greifswald Math. Naturwissenschaft. Fak.
FAULHABER Antriebssysteme
Franke GmbH
ILME GmbH

Physiker der Universität Greifswald entwickeln einen innovativen Ansatz für ein deutlich energieeffizienteres Arbeiten von Computern. Dabei ist ihr Lösungsweg inspiriert vom menschlichen Gehirn.

Neuromorpher Chip mit Testaufgabe einer Zeichenerkennung. Seine Arbeitsweise kopiert dabei die Funktionsweise des Gehirns. (Bild: Grafik: Parvini Tahereh)
Neuromorpher Chip mit Testaufgabe einer Zeichenerkennung. Seine Arbeitsweise kopiert dabei die Funktionsweise des Gehirns.
(Bild: Grafik: Parvini Tahereh)

Die rasante Entwicklung der künstlichen Intelligenz (KI) stellt die heutige Computertechnik vor Herausforderungen. Herkömmliche Silizium-Prozessoren stoßen an ihre Grenzen: Sie verbrauchen viel Energie, die Speicher- und Verarbeitungseinheiten sind voneinander getrennt und die Datenübertragung bremst komplexe Anwendungen aus. Da KI-Modelle immer größer werden und riesige Datenmengen verarbeiten müssen, steigt der Bedarf an neuen Rechenarchitekturen. Neben Quantencomputern rücken dabei insbesondere neuromorphe Konzepte in den Fokus. Das sind Systeme, die sich an der Funktionsweise des menschlichen Gehirns orientieren.

Magnetische Tunnelkontakte im Fokus

Hier setzte die Forschung eines Teams rund um Dr. Tahereh Sadat Parvini und Prof. Dr. Markus Münzenberg von der Universität Greifswald sowie Kollegen aus Portugal, Dänemark und Deutschland an. Sie haben einen innovativen Weg gefunden, wie Computer künftig deutlich energieeffizienter arbeiten können. Im Mittelpunkt stehen sogenannte magnetische Tunnelkontakte (Magnetic Tunnel Junctions, MTJs), winzige Bauteile im Nanometermaßstab. „Diese Bauelemente können Informationen nicht nur speichern, sondern sogar wie Nervenzellen verarbeiten. Dadurch eignen sie sich hervorragend für neuartige Rechenkonzepte, die sich an der Funktionsweise des Gehirns orientieren, wir bezeichnen es als ‚neuromorphes Computing‘“, erklärt Dr. Tahereh Sadat Parvini, Postdoktorandin an der Universität Greifswald und Mitautorin der kürzlich bei Communications Physics erschienenen Publikation.

Synapsenähnliches Verhalten gezielt nachbilden

Das Forschungsteam entwickelte ein hybrides optoelektrisches Anregungsschema, das elektrische Ströme mit kurzen Laserpulsen kombiniert. Dadurch gelang es, besonders große thermoelektrische Spannungen in den MTJs zu erzeugen – eine wichtige Voraussetzung, um synapsenähnliches Verhalten gezielt nachzubilden.

Die Physiker konnten drei besonders bemerkenswerte Eigenschaften herausarbeiten:

  • Erstens kann die erzeugte Spannung je nach elektrischem Strom flexibel angepasst werden, ähnlich wie das Gewicht einer Synapse im Gehirn.
  • Zweitens traten spontane „Spike“-Signale auf, die dem Informationsaustausch zwischen Nervenzellen ähneln.
  • Drittens: In Computersimulationen erreichte ein einfaches neuromorphes Netzwerk, das auf dieser Technik basiert, bereits eine Erkennungsgenauigkeit von 93,7 Prozent bei handgeschriebenen Ziffern.

„Unsere Ergebnisse zeigen, dass MTJs mit optisch-elektrischer Ansteuerung eine kompakte und energiesparende Plattform für die nächste Generation des Rechnens darstellen“, fasst Prof. Dr. Markus Münzenberg zusammen. „Da die Technologie kompatibel mit heutiger Halbleitertechnik ist, könnte sie aus unserer Sich in Zukunft in Alltagsgeräten ebenso wie in Hochleistungsrechnern eingesetzt werden.“

(ID:50550779)

Jetzt Newsletter abonnieren

Verpassen Sie nicht unsere besten Inhalte

Mit Klick auf „Newsletter abonnieren“ erkläre ich mich mit der Verarbeitung und Nutzung meiner Daten gemäß Einwilligungserklärung (bitte aufklappen für Details) einverstanden und akzeptiere die Nutzungsbedingungen. Weitere Informationen finde ich in unserer Datenschutzerklärung. Die Einwilligungserklärung bezieht sich u. a. auf die Zusendung von redaktionellen Newslettern per E-Mail und auf den Datenabgleich zu Marketingzwecken mit ausgewählten Werbepartnern (z. B. LinkedIn, Google, Meta).

Aufklappen für Details zu Ihrer Einwilligung

Weiterführende Inhalte