IBM-Forscher entwickeln künstliche Neuronen

3. August 2016, 10:12
  • innovation
image

Wissenschaftler des IBM-Forschungszentrums Rüschlikon haben erstmals die Funktionen von Neuronen in der Phase-Change-Technologie imitiert.

Wissenschaftler des IBM-Forschungszentrums Rüschlikon haben erstmals die Funktionen von Neuronen in der Phase-Change-Technologie imitiert.
Inspiriert durch die Funktionsweise des menschlichen Gehirns versuchen Wissenschaftler seit Jahrzehnten, die Verarbeitungsfähigkeiten von Neuronengruppen nachzubilden. Bislang war es jedoch ein grosses Problem, entsprechende Speicherdichten zu erreichen und gleichzeitig den Energieverbrauch niedrig zu halten, um die Ergebnisse vergleichbar zu machen, mit jenen der Biologie. IBM-Forschende wollen nun erstmals zufällig feuernde Neuronen aus Phase-Change-Material hergestellt haben, wie sie mitteilen. Diese Phase-Change-Neuronen können ähnlich wie ihre Vorbilder im menschlichen Gehirn Daten speichern und verarbeiten.
"Man dachte lange, dass das unregelmässige Feuern von Nervenzellen im Gehirn ein störendes Hintergrundrauschen wäre", sagte Studienautor Abu Sebastian der Nachrichtenagentur 'sda'. Aber neuere Forschung aus der Neuroinformatik habe gezeigt, dass diese Aktivität von Neuronengruppen rechnerische Auswirkungen habe.
Wie das biologische Vorbild können die von den IBM-Forschern entwickelten Mikro-Einheiten zufällig feuern und somit ultraschnelle Signale verarbeiten. Darauf aufbauende Neurocomputer stellen einen Ansatz dar, um grosse Datenmengen, insbesondere bei IoT- oder Cognitive-Computing-Anwendungen, effizienter und schneller zu verarbeiten.
Ereignisbasierte Datenverarbeitung
Die künstlichen Neuronen bestehen aus Germanium-Antimon-Tellurid (GST), das auch bei wiederbeschreibbaren Blueray-Disks zum Einsatz kommt. GST kennt zwei stabile Zustände, einen amorphen und einen kristallinen. Im amorphen Zustand ist die Struktur der Atome ungeordnet, wodurch die Leitfähigkeit gering ist. Im kristallinen Zustand weisen die Atome eine gleichmässige Struktur auf, was zu einer hohen Leitfähigkeit führt. Die einzelnen Neuronen werden durch elektrische Impulse stimuliert, wodurch sich das Material mehr und mehr kristallisiert, bis das Neuron das Signal letztendlich weiterleitet. In den Neurowissenschaften wird dieses Funktionsprinzip als "integrate-and-fire-Eigenschaft" bezeichnet. Der Input wird also bis zu einem gewissen Schwellenwert aufgenommen ("integrate") und erst beim überschreiten von diesem Wert, wird das Signal weitergeleitet ("fire").
Der Vorgang ist laut IBM vergleichbar mit der Reaktion des Gehirnes auf einen äusseren Reiz und bilde so die Grundlage der ereignisbasierten Datenverarbeitung. Schon ein einzelnes Phase-Change-Neuron könne so zur Erkennung von Mustern und Korrelationen in einer Vielzahl von Datenströmen genutzt werden.
Anwendung in Analytics
Die Forscher konnten zudem hunderte dieser künstlicher Neuronen in Gruppen anordnen, um schnelle komplexe Signale zu verarbeiten. Sie überstanden einen Test mit Milliarden von Schaltzyklen, was einem mehrjährigen Betrieb entsprechen würde, schreibt IBM weiter. Für jeden elektrischen Impuls würden weniger als Pikojoule und weniger als 120 Mikrowatt verbraucht. Zum Vergleich: eine 60 Watt Glühbirne verbraucht 60 Millionen Mikrowatt.
Als Anwendungsbeispiel nennen die Forscher den IoT-Bereich. Sensoren auf Basis der Phase-Change-Neuronen könnten grosse Mengen an Wetterdaten erfassen, auswerten und schneller als bisher hochaufgelöste Vorhersagen ermöglichen. Ausserdem könnte die Technologie Muster in Finanztransaktionen nahezu in Echtzeit aufzeigen.
Grössere Gruppen dieser schnellen und energieeffizienten Neuronen könnten ausserdem in neuromorphen Co-Prozessoren mit kombinierten Speicher- und Verarbeitungs-Einheiten verwendet werden. Wie der Erstautor des Papers, Tomas Tuma, weiter sagt, könnten Gruppen von Phase-Change-Neuronen zusammen mit anderen neuromorphen Bauteilen wie künstlichen Synapsen ein "wichtiger Schlüssel für die Entwicklung einer neuen Generation von sehr dichten Neurocomputersystemen sein".
Die Studie"Stochastic phase-change neurons"von Tomas Tuma, Angeliki Pantazi, Manuel Le Gallo, Abu Sebastian und Evangelos Eleftheriou erschien in 'Nature Nanotechnology'. (kjo)
Bild Startseite: Künstlerische Repräsentation eine Reihe von Phase-Change-Neuronen. (Zuerst erschienen auf der Startseite von "Nature Nanotechnology").

Loading

Mehr zum Thema

image

Bauteil für Computer nach Vorbild des Gehirns

Forschende von ETH Zürich, Universität Zürich und Empa entwickelten ein neues Material für ein Computerbauteil, das sich am menschlichen Gehirn orientiert.

publiziert am 18.5.2022
image

Kundenkommunikation für Versicherer: Chats und Chatbots verbreiten sich langsam

Aber die Mehrheit der Schweizer Kundinnen und Kunden bevorzugt weiterhin E-Mail oder Telefon.

publiziert am 16.5.2022
image

Zürcher ML-Startup Lightly sammelt 3 Millionen Dollar

Der Algorithmus von Lightly soll dabei helfen, Daten zu beschriften und zu bewerten. Dadurch soll die sich die Qualität von KI-Anwendungen verbessern.

publiziert am 13.5.2022
image

Google I/O: Verbesserte KI, neue Developer-Tools und Geräte

Google versucht sich erneut an einer AR-Brille. Auch das Google Wallet feiert ein Comeback.

publiziert am 12.5.2022