Neuromorphe Chips: Fortschritte in der energieeffizienten Datenverarbeitung
Artikel jetzt als Podcast anhören
Die Entwicklung neuromorpher Chips, die die Informationsverarbeitung des menschlichen Gehirns imitieren, schreitet zügig voran. Ein Beispiel hierfür ist die Arbeit von Prof. Dr. Heidemarie Krüger und ihrem Dresdner Start-up Techifab. Krüger, Forscherin am Leibniz-Institut für Photonische Technologien und der Friedrich-Schiller-Universität Jena, konzentriert sich auf die Entwicklung einer Technologie, die Daten direkt am Entstehungsort verarbeitet und speichert. Dieser Ansatz umgeht den energieintensiven Datentransfer zwischen Prozessor und Speicher, der in herkömmlichen Computern üblich ist.
Energieeffiziente Datenverarbeitung nach Vorbild des Gehirns
Das Team um Krüger entwickelt sogenannte Memristor-basierte Bauteile. Memristoren sind elektronische Bauelemente, die sich ihren Widerstand "merken" können. Dieser wird durch den Stromfluss verändert und auch nach Abschalten des Stroms gespeichert. Diese Fähigkeit der Memristoren ermöglicht ihren Einsatz als kombinierte Speicher- und Verarbeitungsgeräte. Damit ahmen sie die Funktionsweise von Synapsen im menschlichen Gehirn nach. Im Gegensatz zu herkömmlichen Computern, die Daten ständig zwischen Prozessor und Speicher austauschen müssen, ermöglicht die Memristor-Technologie eine lokale Datenverarbeitung. Dies führt zu einem deutlich geringeren Energieverbrauch und ermöglicht schnellere, dezentrale Analysen.
Von der Zufallsentdeckung zum Millionenprojekt
Der Ursprung der Technologie liegt in einer zufälligen Beobachtung im Jahr 2011. Während Materialanalysen stieß Krügers Team auf eine charakteristische Schleifen-Kurve, ein Indikator für das Verhalten eines Memristors. Diese Entdeckung führte zur Entwicklung künstlicher Synapsen aus Bismut und Eisenoxid. Die Bundesagentur für Sprunginnovationen förderte die Entwicklung mit einem zweistelligen Millionenbetrag, der die Entwicklung eines funktionsfähigen Chips ermöglichte. Erste Pilotprojekte in Zusammenarbeit mit der Technischen Universität Bergakademie Freiberg zeigen das Potenzial der Technologie für die präzise Erkennung von Veränderungen und die Vorhersage von Verschleißmustern.
Potenzial für KI und Edge-Computing
Ein wichtiger Aspekt der Memristor-Technologie ist die Fähigkeit, Zwischenzustände zu verarbeiten. Memristoren sind nicht auf die binäre Logik von 0 und 1 beschränkt, sondern können auch Werte dazwischen verarbeiten. Diese Eigenschaft eröffnet neue Möglichkeiten für Algorithmen, die neuronale Netze simulieren und ermöglicht flexible Datenverarbeitung. Die Einsatzmöglichkeiten reichen von vorausschauender Wartung bis hin zu Echtzeitanalysen in sicherheitskritischen Anwendungen wie dem autonomen Fahren.
Die lokale Datenverarbeitung macht die Technologie auch für Edge-Computing interessant. Daten müssen nicht mehr an zentrale Cloud-Systeme gesendet werden, was die Sicherheit und Unabhängigkeit erhöht. Sensible Daten bleiben lokal gespeichert und verarbeitet. Dies ist besonders für industrielle Anwendungen relevant, beispielsweise in der Sensorik zur frühzeitigen Erkennung von Verschleiß.
Ein Blick in die Zukunft
Während herkömmliche Chipdesigns an ihre physikalischen und energetischen Grenzen stoßen, bietet die neuromorphe Technologie einen alternativen Weg. Durch die Kombination von Speicher- und Recheneinheit wird der Energieverbrauch reduziert und das Potenzial für KI-Anwendungen erweitert. Krügers Vision geht über die reine Datenanalyse hinaus: Das Ziel ist es, Systeme zu entwickeln, die lernen, Muster erkennen und flexibel auf neue Situationen reagieren können – ohne ständige Verbindung zu externen Rechenzentren. Der aktuelle Prototyp enthält 32 Memristoren. Zukünftige Entwicklungsstufen sollen die Anzahl auf über 200 erhöhen, um komplexere neuronale Netze abzubilden und autonome Systeme weiter zu optimieren.
Mindverse: Ihr Partner für KI-Lösungen
Mindverse bietet eine umfassende Plattform für KI-gestützte Content-Erstellung, Bildgenerierung und Forschung. Als KI-Partner entwickelt Mindverse maßgeschneiderte Lösungen wie Chatbots, Voicebots, KI-Suchmaschinen und Wissenssysteme, um Unternehmen bei der Integration von KI-Technologien zu unterstützen.
https://nachrichten.idw-online.de/2025/01/10/vom-forschungslabor-zum-startup-wie-ein-neuromorpher-chip-der-industrie-helfen-koennte https://www.uni-jena.de/293535/wie-ein-neuromorpher-chip-der-industrie-helfen-koennte https://www.jenatv.de/mediathek/78527/Neuromorpher_Chip_vom_Forschungslabor_zum_Start_up.html https://www.leibniz-ipht.de/de/neues-buch-enthuellt-unentdeckte-potenziale-der-infrarotspektroskopie-durch-wellenoptik/ https://www.spiegel.de/wissenschaft/technik/neuromorpher-computer-wie-eine-dresdner-physikerin-das-gehirn-auf-einem-chip-nachbauen-moechte-a-d3166a84-db52-48ef-8d2f-ddb8a2226ce1?context=issue https://idw-online.de/de/image?id=401936&size=screen https://www.fortunebusinessinsights.com/de/markt-f-r-neuromorphes-computing-108240
