„Handfeste“ neuronale Netze

| |
1 Star2 Stars3 Stars4 Stars5 Stars

Künstliche neuronale Netze auf Software-Basis funktionieren ähnlich wie die echten in unserem Gehirn. Benötigen jedoch immense Rechenleistungen. Mit exotischen Elektronik-Bausteinen ginge es aber auch erheblich effizienter.

Das Gehirn ist ein Nimmersatt. Obwohl es nur zwei Prozent der Körpermasse ausmacht, verschlingt es fast ein Fünftel des gesamten Energieverbrauchs. Und nur 5 Prozent steckt es in seine Königsdisziplin, dem bewussten Denken. Den Rest verzehrt die ständig von selbst ablaufende interne Kommunikation.

Im Vergleich mit unseren Computern aber ist unser Denkorgan erstaunlich effizient. Es führt jede Sekunde etwa 10 000 Milliarden Rechenoperationen durch und verbraucht dabei etwa 20 Watt. Davon können Supercomputer nur träumen. Sie rechnen derzeit mit dem 50-bis 5000-fachen Energiebedarf. Mit künstlichen neuronalen Netzwerke versucht man jedoch weltweit diesen Abstand zu verringern. Allerdings meist mit „soften“ Mitteln.

Neuronale Netze mit Memristoren

Französische Forscher haben nun diesen Ansatz in Hardware gegossen. Und künstliche Synapsen entwickelt, die wie im Gehirn in der Lage sind, die „Stärke“ der Leitungen zwischen Nervenzellen (Neuronen) in Abhängigkeit ihrer Nutzung zu verändern. Verbindungen können so abgeschwächt oder verstärkt werden und so auf Änderungen in der Umwelt angemessen reagieren.

Die künstlichen Synapsen der französischen Forschungsstelle CNRS und der Thales Group sind sogenannte Memristoren, ein Kunstwort aus Memory (Speicher) und Resistor (elektrischer Widerstand). Der aktuelle Widerstand der nanodünnen, ferroelektrischen Schichten zwischen zwei Elektroden wird bestimmt durch die Richtung und Menge der Ladungen, die bereits durch ihn hindurch geflossen sind. Ein geringerer elektrischer Widerstand entspricht dabei einer stärkeren „neuronalen“ Verbindung und umgekehrt.

Der Ansatz selbst ist nicht neu. Allerdings konnten die Forscher erstmals ein physikalisches Modell entwickeln, das Vorhersagen über den Lernvorgang der künstlichen Synapsen erlaubt. Eine wichtige Vorraussetzung für die energieeffiziente Umsetzung in zukünftigen Rechnern.

Elektrochemische Synapsen

Auch Forscher der Stanford University und den Sandia National Laboratories hatten erst kürzlich eine künstliche Version von Synapsen vorgestellt. Ihr elektrochemischer Baustein aus halb­lei­tenden Kunst­stoffen erinnert an den typischen Aufbau einer Batterie mit zwei Außenlagen als „Pole“ und einem Elektrolyt dazwischen. Niedrige, positive Schaltspannungen verursachen darin einen Fluss positiv geladener Ionen. In den Kunst­stoff­lagen bilden sich dabei bis zu fünf­hundert verschie­dene Ladungs­zu­stände, die jeweils eine nicht­flüch­tige Verän­derung der Leit­fähig­keit bewirken. Nega­tive Spannungs­pulse kehren den Prozess um­.

Dieser elektrochemische Prozess erinnert stark an die natürliche Signalleitung über die Synapsen in unserem Gehirn. Auch diese verbinden die Kanäle zwischen jeweils zwei Nervenzellen, in denen ein Fluss von Ionen für die Weitergabe von elektrischen Signalen verantwortlich ist.

Anders als die französischen Forscher verspricht man sich in Stanford vom „Batterieansatz“ in Zukunft sogar neuronale Module, die als Schnittstellen zwischen Computer und Gehirn oder neuromorphe Rechner dienen könnten. Diese Zukunft dürfte allerdings eine ferne sein.

 

Knowledgebase

Fachartikel „Learning through ferroelectric domain dynamics in solid-state synapses„.

 

 

 

 

 

 

Synapsen für neuronale Netze (Bild: Thales Group).

Ferroelektrische Nanosynapsen lernen vorhersehbar, Muster zu erkennen. (Bild: Thales Group).