Neuromorphe Schaltungen – biologisch-inspirierte Abbildung einer Synapse in Hardware

Grundprinzip neuromorpher Schaltungen ist, die Funktionalität des menschlichen Gehirns mittels künstlicher Synapsen auf technologische Produkte und Produktionsprozesse zu übertragen. Damit soll ermöglicht werden, dass Computerchips Probleme wie Mustererkennung, Assoziationen, Prognosen oder das Erkennen von Zusammenhängen mit deutlich geringerem Aufwand als bisher lösen können.

Bisher werden solche Aufgaben durch das Abgleichen bereits bekannter, in einer Datenbank gespeicherter Fälle mit vordefinierten Ähnlichkeitsmerkmalen gelöst, d.h. Speicher und Prozessor sind getrennte Einheiten und es fehlt die Möglichkeit spontaner Abstraktion, die neue Zusammenhänge und damit neues Wissen herstellen könnte. Neuromorphe Chips dagegen verknüpfen künstliche Neuronen mit künstlichen Synapsen, d.h. sie vereinen Speicher und Prozessor und sind „lernfähig“: Dies geschieht, indem für die künstlichen Synapsen spezielle Hardwarematerialien verwendet werden, welche ihren Widerstand abhängig von der Stärke des Stroms ändern, der sie durchfließt. Der letzte Widerstandszustand bleibt erhalten, wenn der Strom abgeschaltet wird – das spezielle Hardwarematerial „erinnert“ sich daran und behält den Widerstand bei, bis dieser durch einen umkehrten Stromfluss wieder verringert wird. Das führt zur ständigen Anpassung der Schaltungen an häufig gestellte Aufgaben, die Selbstorganisation der Daten und ermöglicht dadurch das Erlernen neuer Funktionen und Zusammenhänge. Softwarebasierte Lösungen künstlicher neuronaler Netze funktionieren ähnlich, stoßen aber an Ihre Grenzen, da die Nachbildung eines Neurons in Hardware schneller arbeitet als die Emulation eines Neurons mittels Software.

Das neue Material BFO zeigt die gewünschte Funktionalität eines nichtflüchtigen Multilevel-Widerstandsschalters und kann daher als künstliche Synapse in neuromorphen Schaltungen verwendet werden. Die Nichtflüchtigkeit des synaptischen Gewichts ist ein Maß für die Lernfähigkeit der künstlichen Synapse. Auf herkömmlichen Hardwarematerialien basierende künstliche Synapsen verändern ihr synaptisches Gewicht nach 60-80 prepost-Spannungsschreibpulsen, dasjenige BFO-basierter Synapsen bleibt hingegen vorteilhaft konstant und kann durch das Anlegen eines einzelnen prepost-Spannungsschreibpulses kontrolliert eingestellt werden. Das ermöglicht eine Verkürzung des Lernfensters und eine dramatische Reduktion des Energieverbrauchs beim Lernen mit BFO-basierten künstlichen Synapsen.

Neuromorphe Chips sind aktuell noch nicht am Markt verfügbar, jedoch werden starke Forschungs- und Foresight-Anstrengungen unternommen.

Visualisierung einer künstlichen Synapse
Schema eines BFO-basierten MOS für neuromorphe Schaltungen