Forscher machen Fortschritte beim neuromorphen Rechnen

Ein Forscherteam am Korea Advanced Institute of Science (KAIST) hat über ein neuromorphes Speichergerät in Nanogröße berichtet, das Neuronen und Synapsen gleichzeitig in einer Elementarzelle emuliert. Der neue Fortschritt ist ein wichtiger Schritt auf dem Weg zu neuromorphem Computing, das das menschliche Gehirn mit Halbleiterbauelementen nachahmen kann. 

Die Forschung wurde in veröffentlicht Nature Communications veröffentlicht .

KI mit neuromorphem Computing realisieren

Experten arbeiten daran, mithilfe von neuromorphem Computing künstliche Intelligenz (KI) zu realisieren, indem sie die Mechanismen von Neuronen und Synapsen im menschlichen Gehirn nachahmen. Aktuelle Computer können aufgrund mehrerer Einschränkungen bestimmte kognitive Funktionen des menschlichen Gehirns nicht bereitstellen, ihr Potenzial wurde jedoch gründlich erforscht. 

Vor diesem Hintergrund verbinden aktuelle neuromorphe Schaltkreise auf der Basis von komplementären Metalloxidhalbleitern (CMOS) künstliche Neuronen und Synapsen ohne synergistische Wechselwirkungen. Die Implementierung von Neuronen und Synapsen hat sich als schwierig erwiesen. 

Um diese Einschränkungen zu überwinden, implementierte das Forschungsteam unter der Leitung von Professor Keon Jae Lee vom Department of Materials Science and Engineering die biologischen Arbeitsmechanismen des Menschen, indem es die Neuronen-Synapsen-Interaktionen in einer einzelnen Gedächtniszelle einführte. Dies unterscheidet sich vom traditionellen Ansatz der elektrischen Verbindung künstlicher neuronaler und synaptischer Geräte. 

Künstliche synaptische Geräte

Die zuvor untersuchten künstlichen synaptischen Geräte werden häufig zur Beschleunigung paralleler Berechnungen eingesetzt, was deutliche Unterschiede zu den Funktionsmechanismen des menschlichen Gehirns zeigt. Durch die Implementierung der synergistischen Interaktionen zwischen Neuronen und Synapsen im neuromorphen Gedächtnisgerät konnten die Mechanismen des biologischen neuronalen Netzwerks nachgeahmt werden. Das neuromorphe Gerät kann auch komplexe CMOS-Neuronenschaltkreise durch ein einziges Gerät ersetzen, was die Skalierbarkeit und Kosteneffizienz verbessert. 

Das menschliche Gehirn besteht aus einem komplexen Netzwerk von 100 Milliarden Neuronen und 100 Billionen Synapsen, deren Funktionen und Strukturen sich je nach äußeren Reizen ändern können, wodurch sie sich an die Umgebung anpassen können. Das vom Team entwickelte neuromorphe Gerät ermöglicht die Koexistenz von Kurzzeit- und Langzeitgedächtnissen mithilfe flüchtiger und nichtflüchtiger Speichergeräte, die die Eigenschaften von Neuronen und Synapsen nachahmen. Der flüchtige Speicher wird durch ein Schwellenwertschaltergerät dargestellt, während der Phasenwechselspeicher als nichtflüchtiges Gerät verwendet wird. Mit zwei integrierten Dünnschichtgeräten ohne unmittelbare Elektroden konnte die funktionale Anpassungsfähigkeit von Neuronen und Synapsen im neuromorphen Gedächtnis umgesetzt werden. 

„Neuronen und Synapsen interagieren miteinander, um kognitive Funktionen wie Gedächtnis und Lernen aufzubauen. Daher ist die Simulation beider ein wesentliches Element für eine vom Gehirn inspirierte künstliche Intelligenz“, sagte Professor Lee. „Das entwickelte neuromorphe Gedächtnisgerät ahmt auch den Umschulungseffekt nach, der ein schnelles Erlernen der vergessenen Informationen ermöglicht, indem es einen positiven Rückkopplungseffekt zwischen Neuronen und Synapsen implementiert.“