Bepaalde taken, zoals het herkennen van patronen en taal, worden zeer efficiënt uitgevoerd door een menselijk brein en vereisen slechts ongeveer een tienduizendste van de energie van een conventionele, zogenaamde "von Neumann"-computer. Een van de redenen ligt in de structurele verschillen:in een von Neumann-architectuur is er een duidelijke scheiding tussen geheugen en processor, wat een constante verplaatsing van grote hoeveelheden gegevens vereist. Dit is tijdrovend en energieverslindend, de zogenaamde von Neumann-bottleneck. In de hersenen vindt de computationele bewerking direct plaats in het datageheugen en de biologische synapsen voeren tegelijkertijd de taken van geheugen en processor uit.

In Forschungszentrum Jülich werken wetenschappers al meer dan 15 jaar aan speciale gegevensopslagapparaten en componenten die vergelijkbare eigenschappen kunnen hebben als de synapsen in het menselijk brein. Zogenaamde memristieve geheugenapparaten, ook wel memristors genoemd, worden als extreem snel en energiebesparend beschouwd en kunnen tot op de nanometer nauwkeurig worden geminiaturiseerd. De werking van memristieve cellen is gebaseerd op een heel speciaal effect:hun elektrische weerstand is niet constant, maar kan worden gewijzigd en opnieuw worden ingesteld door een externe spanning aan te leggen, theoretisch continu. De verandering in weerstand wordt gecontroleerd door de beweging van zuurstofionen. Als deze uit de halfgeleidende metaaloxidelaag bewegen, wordt het materiaal meer geleidend en daalt de elektrische weerstand. Deze verandering in weerstand kan worden gebruikt om informatie op te slaan.

De processen die in cellen kunnen plaatsvinden, zijn complex en variëren afhankelijk van het materiaalsysteem. Drie onderzoekers van het Jülich Peter Grünberg Instituut—Prof. Regina Dittmann, Dr. Stephan Menzel en Prof. Rainer Waser hebben daarom hun onderzoeksresultaten gebundeld in een gedetailleerd overzichtsartikel, "Nanoionische memristieve verschijnselen in metaaloxiden:het valentieveranderingsmechanisme." Ze leggen in detail de verschillende fysische en chemische effecten in memristors uit en werpen licht op de invloed van deze effecten op de schakeleigenschappen van memristieve cellen en hun betrouwbaarheid.

"Als je kijkt naar de huidige onderzoeksactiviteiten op het gebied van neuromorfische memristorcircuits, zijn deze vaak gebaseerd op empirische benaderingen van materiaaloptimalisatie", zegt Rainer Waser, directeur van het Peter Grünberg Instituut. "Ons doel met ons overzichtsartikel is om onderzoekers iets te geven om mee te werken om inzichtgestuurde materiaaloptimalisatie mogelijk te maken." Het team van auteurs werkte tien jaar aan het ongeveer 200 pagina's tellende artikel en moest natuurlijk de vooruitgang in kennis blijven verwerken.

"Het analoge functioneren van memristieve cellen die nodig zijn voor hun gebruik als kunstmatige synapsen is niet het normale geval. Meestal zijn er plotselinge weerstandssprongen, gegenereerd door de wederzijdse versterking van ionische beweging en joule-warmte", legt Regina Dittmann van het Peter Grünberg Instituut uit. . "In ons overzichtsartikel geven we onderzoekers het nodige inzicht in hoe ze de dynamiek van de cellen kunnen veranderen om een ​​analoge bedrijfsmodus mogelijk te maken."

"Je ziet keer op keer dat groepen hun memristorcircuits simuleren met modellen die helemaal geen rekening houden met de hoge dynamiek van de cellen. Deze circuits zullen nooit werken", zegt Stephan Menzel, die modelleringsactiviteiten leidt bij het Peter Grünberg Instituut en heeft krachtige compacte modellen ontwikkeld die nu in het publieke domein zijn. "In ons reviewartikel bieden we de basis die uiterst nuttig is voor een correct gebruik van onze compacte modellen."

Routekaart van neuromorfisch computergebruik

De "Roadmap of Neuromorphic Computing and Engineering", die in mei 2022 werd gepubliceerd, laat zien hoe neuromorphic computing kan helpen het enorme energieverbruik van IT wereldwijd te verminderen. Daarin hebben onderzoekers van het Peter Grünberg Instituut (PGI-7), samen met vooraanstaande experts in het veld, de verschillende technologische mogelijkheden, computationele benaderingen, leeralgoritmen en toepassingsgebieden verzameld.

Volgens de studie zullen toepassingen op het gebied van kunstmatige intelligentie, zoals patroonherkenning of spraakherkenning, waarschijnlijk op een bijzondere manier profiteren van het gebruik van neuromorfe hardware. Dit komt omdat ze zijn gebaseerd - veel meer dan klassieke numerieke computerbewerkingen - op het verschuiven van grote hoeveelheden gegevens. Memristieve cellen maken het mogelijk om deze gigantische datasets direct in het geheugen te verwerken zonder ze heen en weer te hoeven transporteren tussen processor en geheugen. Dit zou de energie-efficiëntie van kunstmatige neurale netwerken met ordes van grootte kunnen verminderen.

Memristieve cellen kunnen ook met elkaar worden verbonden om matrices met een hoge dichtheid te vormen waarmee neurale netwerken lokaal kunnen leren. Deze zogenaamde edge computing verschuift dus berekeningen van het datacenter naar de fabrieksvloer, het voertuig of de woning van mensen die zorg nodig hebben. Zo kunnen processen worden bewaakt en gecontroleerd of reddingsmaatregelen worden genomen zonder gegevens via een cloud te verzenden.

"Hiermee worden twee dingen tegelijk bereikt:u bespaart energie en tegelijkertijd blijven persoonsgegevens en veiligheidsrelevante gegevens ter plaatse", zegt prof. Dittmann, die als redacteur een sleutelrol speelde bij het tot stand komen van de roadmap.

De bijbehorende onderzoeken zijn gepubliceerd in Advances in Physics en Neuromorphic Computing and Engineering . + Verder verkennen

Neuromorf geheugenapparaat simuleert neuronen en synapsen