Forscher machen Fortschritte bei der neuromorphen Rechnertechnik

Ein Team von Forschern am Korea Advanced Institute of Science (KAIST) hat ein nano-großes neuromorphes Speichergerät entwickelt, das Neuronen und Synapsen gleichzeitig in einer Zelle emuliert. Der neue Fortschritt ist ein wichtiger Schritt auf dem Weg zu einer neuromorphen Rechnertechnik, die das menschliche Gehirn mit Halbleitergeräten nachahmen kann.

Die Forschung wurde in Nature Communications veröffentlicht.

Realisierung von KI mit neuromorpher Rechnertechnik

Experten arbeiten daran, die neuromorphe Rechnertechnik zu realisieren, um künstliche Intelligenz (KI) durch Nachahmung der Mechanismen von Neuronen und Synapsen im menschlichen Gehirn zu ermöglichen. Aktuelle Computer können bestimmte kognitive Funktionen des menschlichen Gehirns aufgrund mehrerer Einschränkungen nicht bereitstellen, aber ihr Potenzial wurde gründlich erforscht.

Mit anderen Worten, aktuelle Complementary Metal-Oxide Semiconductor (CMOS)-basierte neuromorphe Schaltkreise verbinden künstliche Neuronen und Synapsen ohne synergistische Interaktionen. 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 von Menschen, indem es die Neuronen-Synapsen-Interaktionen in einer einzigen Speicherzelle einführte. Dies unterscheidet sich von dem traditionellen Ansatz, künstliche neuronale und synaptische Geräte elektrisch zu verbinden.

Künstliche synaptische Geräte

Die künstlichen synaptischen Geräte, die zuvor untersucht wurden, werden oft verwendet, um parallele Berechnungen zu beschleunigen, was klare Unterschiede zu den Arbeitsmechanismen des menschlichen Gehirns aufweist. Durch die Implementierung der synergistischen Interaktionen zwischen Neuronen und Synapsen in dem neuromorphen Speichergerät konnten die Mechanismen des biologischen neuronalen Netzwerks emuliert werden. Das neuromorphe Gerät kann auch komplexe CMOS-Neuronenschaltkreise durch ein einzelnes Gerät ersetzen, was die Skalierbarkeit und Kosteneffizienz verbessert.

Das menschliche Gehirn besteht aus einem komplexen Netzwerk von 100 Milliarden Neuronen und 100 Billionen Synapsen, und die Funktionen und Strukturen dieser können je nach äußerem Reiz variieren, was es ihnen ermöglicht, sich an die Umgebung anzupassen. Das von dem Team entwickelte neuromorphe Gerät ermöglicht es, kurzfristige und langfristige Erinnerungen mithilfe von flüchtigen und nicht-flüchtigen Speichergeräten zu speichern, die die Eigenschaften von Neuronen und Synapsen nachahmen. Flüchtiges Speichergerät wird durch ein Schwellen-Schaltgerät dargestellt, während Phasen-Speichergerät als nicht-flüchtiges Gerät verwendet wird. Durch die Integration von zwei Dünnschichtgeräten ohne unmittelbare Elektroden konnte die funktionale Anpassungsfähigkeit von Neuronen und Synapsen in dem neuromorphen Speicher implementiert werden.

“Neuronen und Synapsen interagieren miteinander, um kognitive Funktionen wie Erinnerung und Lernen zu etablieren, daher ist die Simulation beider ein wesentliches Element für brain-inspirierte künstliche Intelligenz”, sagte Professor Lee. “Das entwickelte neuromorphe Speichergerät ahmt auch den Wiedererlernungseffekt nach, der es ermöglicht, vergessene Informationen schnell zu lernen, indem es einen positiven Rückkopplungseffekt zwischen Neuronen und Synapsen implementiert.”