1923434

Neuromorphe Chips - So sieht die Zukunft aus

01.07.2014 | 14:15 Uhr |

Auf der Suche nach effizienten Chips gelten Nervensysteme als Vorbild. Neuromorphe Chips, also Halbleiter in der Form von Nerven, imitieren die lernfähigen, selbstorganisierenden Schaltungen von Neuronen.

Prozessoren sind schnelle und – bei richtiger Programmierung – präzise Rechner. Bei vielen anderen Aufgaben, die einem halbwegs ausgeschlafenen, menschlichen Zeitgenossen kaum ein Stirnrunzeln kostet, müssen Computerchips aber passen: Mustererkennung, Assoziationen, Prognosen und Erkennen von Zusammenhängen sind Probleme, die Prozessoren nur mit erheblichen Aufwand lösen. Ein Computer muss dazu jedes Mal in einer Datenbank gespeicherter, bereits bekannter Fälle nachsehen und diese mit dem erkannten Muster vergleichen. Die Auswahl erfolgt nach vordefinierten Ähnlichkeitsmerkmalen: Es gibt keine spontane Abstraktion, die neue Zusammenhänge und damit neues Wissen herstellen könnte. Kurz: Klassische Halbleitertechnik ist zu starr und unflexibel, um dem menschlichen Gehirn jemals zu ähneln. Das soll anders werden.

Status Quo: Aufwendige Simulation

Der Grund für die mangelnde Abstraktion liegt im Design heutiger Computer: Speicher und Prozessor sind getrennte Einheiten, verbunden durch eine Bus-Architektur. Einen „denkenden Speicher“ gibt es nicht, der selbständig logische Zusammenhänge anhand von freien Assoziationen herstellte. Solche Prozesse lassen sich mit existierender Hardware bisher nur in aufwendigen Simulationen nachstellen. Was eine Simulation leisten kann, zeigte IBM schon im Jahr 2011 mit dem Projekt „Watson“.

Der Supercomputer kann die natürliche menschliche Sprache entschlüsseln, nahm sehr erfolgreich an der Quizshow „Jeopardy“ teil und besiegte dort die menschlichen Gegenkandidaten. Neben der Spracherkennung verfügt Watson über vier Terabyte an Daten, unter anderem die komplette Wikipedia. Um die Datenmengen schnell genug zu durchsuchen, sind diese auf 90 Server verteilt, die jeweils mit einer Acht-Kern-Power- PC-CPU ausgerüstet sind. In der Top-500- Liste der Superrechner belegt Watson aktuell Platz 169. Trotz dieses Aufwands konnte Watson aber nicht jede Frage richtig beantworten: War die Aufgabe zu knapp formuliert, lieferte sie dem Computer schlicht nicht genug Wörter, um eine passende Antwort in den Datenbanken zu finden.

Festplattentechnik: In Zukunft mit Ultraschall

Neuromorphes Chipdesign von Intel: in einem Entwurf aus seinem Circuit Research Laboratory kombiniert intel Memristoren mit mikroskopisch kleinen drehbaren Magneten.
Vergrößern Neuromorphes Chipdesign von Intel: in einem Entwurf aus seinem Circuit Research Laboratory kombiniert intel Memristoren mit mikroskopisch kleinen drehbaren Magneten.
© Intel

Lernfähige halbleiter: Synapsen als Vorbild

Das menschliche Gehirn läuft im Normalzustand, also im nüchternen Wachzustand, mit einer Leistungsaufnahme von lediglich rund 20 Watt. Damit löst es viele erlernte Aufgaben, Optimierungsprobleme und kognitive Herausforderungen schneller als der Supercomputer von IBM. Durch neuromorphe Chips, also nervenähnlichen Bauelementen, die mit Memristoren die Lern- und Assoziationsfähigkeit des Gehirns nachbilden, wären auf Hardware-Ebene lernfähige Computer möglich, die Erfahrung sammeln und ihre Schaltungen den Anforderungen anpassen können. Chips, die Eigenschaften von Nervenzellen nachahmen, und Schaltungen, die neuronalen Verbindungen ähneln, sind nicht nur teure Experimente von Neurowissenschaftlern: Sie gelten als Schlüssel für effizientere, leistungsfähigere Computer.

Den nächsten großen Schritt in der Halbleitertechnologie erwarten Forscher nicht mehr durch weitere Miniaturisierung von Transistoren, sondern durch ein komplett neues Chipdesign, das sich an Neuronen, also an Nervenzellen orientiert. Diese neuromorphen Chips sind zwar ebenfalls Halbleiter, nehmen aber die Natur als Vorbild und bilden die Verdrahtung von Neuronen mit Synapsen nach, die Speicher und Prozessor vereinen und lernfähig sind. Lernt das Gehirn, werden zwischen Nervenzellen über die Synapsen Verbindungen hergestellt. So entstehen Schaltkreise im Gehirn, das sich damit selbst programmiert. Obwohl es noch keine geeigneten Werkzeuge gibt, um die Prozesse in Nervensystemen vollständig zu analysieren, ist zumindest bekannt, dass Nervensysteme mit analogen und digitalen Signalen gleichzeitig arbeiten. Die Signalverarbeitung erfolgt langsam, ist aber wie bei einem Massenparallelrechner auf eine enorme Zahl von Prozessoren verteilt. Speicher und Prozessor sind meist nahtlos verbunden.

Eine ständige Anpassung der Schaltungen an häufig gestellte Aufgaben und eine Selbstorganisierung der Daten ermöglichen das Erlernen neuer Funktionen und Zusammenhänge. Die üblichen Versuche, ein menschliches Gehirn zu simulieren, nutzen Supercomputer, die ein neuronales Netz auf Software-Ebene nachbilden. Der neuromorphe Ansatz ist jedoch ein völlig anderer: Hier bilden integrierte Schaltungen Neuronen in Silizium nach.

Ein Chip lernt mit: Memristoren gelten als Schlüsseltechnologie für selbstorganisierende integrierte Schaltungen, die sich ähnlich wie Synapsen zwischen nervenzellen an Aufgaben anpassen.
Vergrößern Ein Chip lernt mit: Memristoren gelten als Schlüsseltechnologie für selbstorganisierende integrierte Schaltungen, die sich ähnlich wie Synapsen zwischen nervenzellen an Aufgaben anpassen.
© Universität Bielefeld

Mit Memristoren zu denkenden Maschinen

Die verschiedenen Forschungsprojekte, die an neuromorphen Chips arbeiten, sehen im „Memristor“ einen vielversprechenden Kandidaten für den Nachbau von Nerven. Der Memristor ist ein vergleichsweise junger Halbleiter, dessen theoretischen Grundlagen schon länger bekannt sind, der aber erst seit 2008 in ersten Prototypen verfügbar ist. Der Memristor ändert seinen Widerstand abhängig von der Stärke des Stroms, der durchfließt. Der letzte Zustand bleibt erhalten, wenn der Strom abgeschaltet wird – der Memristor „erinnert“ sich daran und behält den Widerstand bei, bis dieser durch einen umkehrten Stromfluss wieder verringert wird. Mehr Hintergrund zum Memristor finden Sie hier .

Für Professor Leon Chua, der vor 40 Jahren die theoretische Grundlage für Memristoren schuf, sind diese Bauelemente schon immer nah an biologischen Nerven gewesen. Er sieht in Memristoren ein elektronisches Pendant zu den Synapsen im Gehirn. Die Synapse ist jener Teil eines Nervs, der sich mit anderen Nervenzellen verbindet. Diese Verbindungen werden fester, je öfter sie genutzt werden, sie entstehen während Lernprozessen. Tatsächlich verhalten sich Memristoren in Schaltungen ähnlich. Das Ziel, einen Computer zu bauen, der ähnlich dem menschlichen Gehirn arbeitet, scheint einen Schritt näher gerückt.

Powerline: Netzwerk über die Stromleitung

Effiziente und spezialisierte Schaltungen

An der Universität Bielefeld ist ein Forscherteam um Dr. Andy Thomas bereits so weit, mit tatsächlicher Hardware erste Experimente durchzuführen. Die Memristoren dafür stammen aus eigener Fertigung und imitieren natürliche Nervenverbindungen. Aktuelles Ziel ist allerdings zunächst nicht die praktische Anwendung, sondern der Nachweis, dass die Technik tatsächlich funktioniert. Die Memristoren arbeiten sowohl als Speicher als auch als lernfähige Einheit zur Informationsverarbeitung, was den bisher bekannten Vorgängen in Gehirn schon recht nahekommt.

Auch Intel arbeitet bereits an einem neuromorphen Chipdesign, führt dabei aber neben Memristoren noch eine weitere ehrgeizige Schaltung ins Feld: Lateral Spin Valves. Bei dieser Entwicklung handelt es sich um mikroskopisch kleine Magneten, die sich nach der Drehung der Elektronen ausrichten, die durch sie fließen. Diese Neuentwicklung soll dabei helfen, den Energiebedarf von neuromorphen Chips mit Memristoren weiter zu senken. Wenige Millivolt sollen so für Berechnungen genügen, für die eine moderne CPU immer noch mehrere Volt benötigt.

Dass damit in absehbarer Zeit bereits Computer möglich sind, die wie ein menschliches Gehirn arbeiten, ist nicht zu erwarten. Möglich werden damit aber spezialisierte integrierte Schaltungen, die bestimmte Probleme schneller und effizienter lösen als die heute eingesetzten Computersysteme.

0 Kommentare zu diesem Artikel
1923434