MESOPOTAMIA NEWS : Das Humanum im antirassistischen Zeitalter seiner „formellen wie reellen Subsumtion“ unter die Verwertungslogik (Nach: Karl Marx 1848)

Neuromorphes Computing : Eine reine Nervensache

  • Von Janosch Deeg  FAZ – – 5.06.2020-

Memrestive Bauelemente zeigen ein elektrisches Verhalten wie man es von Synapsen (blau dargestellt) kennt, über die Neuronen im Gehirn miteinander verschaltet sind. Bild: University of Massachusetts, Yao lab  (Fotos / Grafiken siehe Link)

Die Computerchips der Zukunft sollen nach Art des menschlichen Gehirns arbeiten, nur schneller. In vielen kleinen Schritten kommen Forscher diesem Ziel näher. Dazu nutzen sie spezielle Bauteile, sogenannte Memristoren.

Ob Schach, Poker oder das Brettspiel Go, mittlerweile verlieren Menschen in nahezu allen Strategiespielen gegen selbstlernende Rechnersysteme. Gleichwohl ist der menschliche Denkapparat weiterhin den Computerhirnen in etlichen Dingen überlegen. Während eine KI in der Regel sehr spezialisiert ist, kann das Gehirn unglaublich vielfältige Aufgaben erledigen. Und dabei ist es ungemein effizient. Ein normales Gehirn verbraucht nur so viel Energie wie eine 20-Watt-Glühbirne. Rund um den Globus suchen Forscher nach Wegen, die Hardware des „biologischen Rechners“ technisch nachzubilden. Sie arbeiten an sogenannten neuromorphen Prozessoren, die nicht nur effizienter arbeiten als traditionelle Computerchips, sondern auch – ähnlich wie das Gehirn – selbständig lernen und vergessen können. Bisherige KI-Konzepte ahmen die selbstlernenden Mechanismen in neuronalen Netzen nicht mit der Hardware, sondern lediglich mittels ausgeklügelter Software nach.

Wissenschaftler von der University of Massachusetts in Amherst haben nun einen dreidimensionalen neuromorphen Prozessor entwickelt, der der Komplexität des natürlichen Vorbilds einen großen Schritt näher kommt. Wie Qiangfei Xia und seine Kollegen im Fachmagazin „Nature Electronics“  berichten, nutzt der Chip anstelle von Transistoren und anderen klassischen Bauteilen sogenannte Memristoren. Diese Schaltelemente haben besondere elektrische Eigenschaften und gelten seit dem Jahr 2008, als Forscher von Hewlett Packard (HP) sie erstmals präsentierten, als heiße Kandidaten zum Bau neuromorpher Schaltkreise.

 

3D-Chip verarbeitet Signale nach dem Vorbild des Gehirns

Die Bezeichnung Memristor – ein Kunstwort aus „memory“ (Speicher) und „resistor“ (Widerstand) – geht auf den amerikanischen Ingenieur Leon Chua zurück, der im Jahr 1971 das theoretische Konzept für dieses Bauteil entwarf. Anders als bei klassischen Schaltelementen ändert sich bei einem Memristor der elektrische Widerstand und damit die Leitfähigkeit in Abhängigkeit von der angelegten Spannung. Nach Abschalten der Spannung behält der Memristor seinen letzten Widerstandswert bei. Das Bauteil kann somit Informationen gleichzeitig verarbeiten und speichern. Dieses Verhalten basiert auf strukturellen Veränderungen des Memristors – zum Beispiel indem durch die Spannungspulse zwischen den zwei Elektroden geladene Atome hin- und herwandern und ablagern, was den Widerstand senkt beziehungsweise anhebt.

 

Mikroskopische Aufnahme des dreidimensionalen neuromorphen Prozessors von Qiangfei Xia und seinen Kollegen. Das Bauteil besteht aus acht dünnen Schichten ineinander geschachtelter Memristoren, : Bild: Nature Electronics, Qiangfei Xia et al.

 

In ihrem elektrischen Verhalten ähneln Memristoren in gewisser Weise biologischen Synapsen. Denn auch Lern- und Merkfähigkeit des Gehirns sind wesentlich darauf zurückzuführen, dass sich die Verbindungen zwischen Nervenzellen sozusagen verstärken. Synapsen leiten zum Beispiel Signale unterschiedlich stark weiter, wenn sie schnell hintereinander erregt werden. Zusätzlich sorgt die Aktivität für eine langfristige anatomische Änderung, die die Stärke der Übertragung sogar lebenslang beeinflusst. Hirnforscher sprechen von der synaptischen Plastizität. Während ein traditionelles Halbleiterelement ein starres Konstrukt ist, sind Memristoren – ähnlich wie Synapsen – wandlungsfähig. Und, wenn man so will, sogar „lernfähig“. Der Memristor, den Qiangfei Xia und seine Kollegen verwenden, besteht aus einer dünnen Schicht Hafniumoxid, die zwischen einer Titan- und einer Tantalelektrode eingebettet ist. Das Bauteil ändert schnell – innerhalb von Nanosekunden – seine elektrischen Eigenschaften, wenn man einen entsprechenden Spannungspuls anlegt.

 

Den Forschern um Qiangfei Xia ist es nun gelungen, eine große Zahl solcher Memristoren in acht dünnen Schichten übereinanderzustapeln und miteinander zu verschalten. Jedes Bauteil war einzeln ansteuerbar und stand mit seinen nächsten Nachbarn in Kontakt. Die Funktionalität ihres dreidimensionalen, rund einen Mikrometer dicken Schaltkreises demonstrierten die Wissenschaftler, indem sie verschiedene selbstlernende Algorithmen implementierten, die üblicherweise zur Verarbeitung von Bild- oder Audiodaten genutzt werden. Auf dem Prozessor plazierten die Forscher außerdem Fotosensoren. Derart ausgerüstet, war der neuromorphe Prozessor imstande, bestimmte Muster zu erkennen und zu identifizieren, etwa handgeschriebene Ziffern auf einer festen Unterlage oder die Umrisse von auf einer Straße fahrenden Autos und einem Bus in einem Video. Die Trefferquote des 3D-Prozessors sei, so die Forscher um Xia, vergleichbar mit der von softwarebasierten Anwendungen zur Mustererkennung. Zwar ist die Mustererkennung mit Memristoren bereits demonstriert worden. Die Bauteile waren hier meist in Form einer zweidimensionalen Matrix auf einem Chip angeordnet.

 

Grafische Darstellung des neuromorphen 3D-Schaltkreises aus Amherst: Rot und blau dargestellt sind die Platin- und Tantalelektroden der Memristoren. Dank des treppenförmigen Designs hat jedes Schaltelement Kontakt mit seinen nächsten Nachbarn. : Bild: Nature Electronics, Qiangfei Xia et al.

 

Ein ebenes Netzwerk gleicht aber nicht der Architektur neuronaler Netzwerke. Die Schaltung aus Amherst ist nach Aussagen der Forscher um Xia der erste wirkliche dreidimensionale neuromorphe Prozessor auf Basis von Memristoren. Sie weise eine bislang nie dagewesene Dichte an funktionalen Memristormodulen auf. Die Forscher glauben, dass ihre Entwicklung neue Möglichkeiten hinsichtlich der Konstruktion neuromorpher Computerhardware eröffne.

 

Der Widerstand mit Gedächtnis wird zur schnellen künstlichen Synapse

Dass Memristoren nicht ausschließlich aus anorganischen Materialien bestehen müssen, haben Kollegen von Xia in Amherst demonstriert. Forscher um Jun Yao präsentieren in „Nature Communications“ (doi: 10.1038/s41467-020-15759-y) einen Memristor, der zum Teil aus organischem Material aufgebaut ist. Zur Herstellung nutzten sie elektrisch leitfähige Nanodrähte aus Eiweißmolekülen, die das Bakterium Geobacter produziert. Mit den Proteinfäden – ihre Dicke beträgt nur ein Hundertstel eines menschliches Haares – verknüpften die Forscher zwei Silberelektroden. Spannungspulse sorgten dafür, dass geladene Silberatome zwischen den Elektroden hin- und herwanderten und sich in den Proteinfäden ablagerten. Diese bleibenden Veränderungen wirkten sich wiederum auf den elektrischen Widerstand aus. Der vorgestellte Memristor lässt sich mit deutlich geringeren Spannungen betreiben als seine anorganischen Pendants. Die Werte bewegen sich mit 40 bis 100 Millivolt in der Größenordnung der Aktionspotentiale, wie sie innerhalb biologischer neuronaler Netze auftreten. Gleiches gilt für die Reaktionszeit der künstlichen Synapse von einigen Millisekunden. Letzteres ist wiederum nicht unbedingt vorteilhaft für Memristorschaltungen. Weil die Leistungsfähigkeit des Gehirns vor allem auf der parallelen Informationsverarbeitung beruht, kommt es hier nicht auf das Tempo einzelner Operationen an. Daher lägen die Anwendungsmöglichkeiten des nun vorgestellten organischen Memristors momentan noch weit hinter denen anderer schon existierender Versionen, sagt Ilia Valov, der am Forschungszentrum Jülich mit seinen Kollegen Memristoren und Konzepte für neuromorphe Computer entwickelt.

 

Der Memristor aus Jülich unter dem Elektronenmikroskop (links). Silberionen (blau) wandern durch das hundert Nanometer dünne Filament (orange) und verändern dessen elektrisches Verhalten. Das Bauteil zeigt ein Verhalten wie man es von Synapsen kennt, über die Neuronen im Gehirn miteinander verschaltet sind. : Bild: Forschungszentrum Jülich

 

 

Ende 2018 präsentierten die Forscher um Valov einen Nanodraht aus Zinkoxid, der eine Elektrode aus Platin mit einer aus Silber verbindet. „Das Besondere an diesem Memristor ist, dass er zum ersten Mal verschiedene Funktionen kombiniert, unter anderem Speichern, Lernen und Vergessen“, erklärt Valov. Frühere Varianten konnten letztlich jeweils nur eine dieser Eigenschaften nachbilden. Mit dem Bauteil aus Jülich ließe sich etwa eine parallele Datenverarbeitung und Speicherung realisieren, was Berechnungen deutlich beschleunigen würde, so Valov.

Fremdatome bestimmen die Schaltzeiten eines Memristors

In einer jetzt erschienenen Publikation in „Science Advances“  berichten die Wissenschaftler aus Jülich über einen Effekt in Memristoren, den die Fachwelt bislang übersehen hatte: Fremdatome in der Oxidschicht beeinflussen das elektronische Verhalten des Memristors. „Je mehr Verunreinigungen vorhanden sind, desto langsamer erhöht sich der Widerstand mit den eingehenden Spannungspulsen und umso stabiler ist der Widerstandswert“, sagt Valov. Daher reagiert das Bauteil unterschiedlich schnell auf Spannungsänderungen, was sich in den Schaltzeiten bemerkbar macht. Elemente mit sehr wenigen Fremdatomen schalten innerhalb von nur 1,4 Nanosekunden. Bislang betrug der schnellste jemals bei diesem Typ Memristoren gemessene Wert etwa zehn Nanosekunden, was an den Verunreinigungen lag. Indem die Wissenschaftler die Oxidschicht der Bauelemente gezielt Fremdatomen dotieren, können sie Schaltzeiten bis in den Bereich von Millisekunden erhöhen. „Damit haben wir eine neue Möglichkeit gefunden, verschieden sensitive künstliche Synapsen nach Belieben herzustellen“, sagt Valov.

Doch noch müssten Memristorvarianten verbessert werden, damit Computeringenieure daraus echte Anwendungen bauen könnten. Bislang ließen sich die Bauteile lediglich gut kontrollieren, wenn man sie auf binäre Art betreibe – sie können also nur zwischen zwei Zuständen hin- und herschalten, wie herkömmliche Recheneinheiten, die Bits. Ziel ist aber eine präzise analoge Arbeitsweise, bei der die Memristoren fast beliebige viele Zustände und zusätzlich mehrere Funktionen annehmen können. Dann könnten die „Widerstände mit Gedächtnis“ die digital arbeitenden traditionellen Transistormodule ersetzen und ihre neuromorphen Fähigkeiten vollständig entfalten.

 

https://www.faz.net/aktuell/wissen/computer-mathematik/neuromorphes-computing-eine-reine-nervensache-16795906.html?printPagedArticle=true#pageIndex_2