Elektronik, die lernt: Würzburger Team entwickelt Bauteile nach Vorbild des Gehirns

Überblick

Ein Würzburger Forschungsteam des Exzellenzclusters ctd.qmat hat eine neue Art winziger elektronischer Bauteile entwickelt, die sich an der Arbeitsweise des menschlichen Gehirns orientieren. Die Forschungsergebnisse zeigen, dass sich mit einer einzigen Materialplattform mehrere Funktionen vereinen lassen, vom Schalten über das Speichern bis zu lernähnlichem Verhalten. Damit eröffnen sich neue Perspektiven für energieeffiziente Hardware, etwa für Anwendungen in der künstlichen Intelligenz. Die Arbeit wurde in Nature Communications veröffentlicht.

 

Gehirn als Vorbild 

Künstliche Intelligenz benötigt heute oft sehr viel Energie, besonders beim Training großer Modelle. Während klassische Computer Rechen- und Speicheroperationen im Chip meist räumlich trennen, sind diese im Gehirn enger miteinander verknüpft: Neuronen (Nervenzellen) sind über Synapsen verbunden und verarbeiten Signale direkt an diesen Verbindungsstellen. Wenn Signale häufig oder besonders stark auftreten, verändern sich diese Verbindungen. Ein zentraler Mechanismus des Lernens besteht darin, dass das System frühere Aktivität speichert und sein Verhalten anpasst. Da sich die Verbindungen im Gehirn entsprechend ändern, wird dieser Prozess als Neuroplastizität bezeichnet.

 

Dieses Prinzip des Lernens aus Erfahrung will das „brain-inspired computing“ nachahmen: Computerhardware soll Informationen nicht nur verarbeiten, sondern sich auch Zustände merken und anpassen können. Ein Würzburger Forschungsteam des Exzellenzclusters ctd.qmat – Komplexität, Topologie und Dynamik in Quantenmaterialien der Universitäten Würzburg und Dresden hat nun nachgewiesen, dass sich dafür komplexe Oxidmaterialien besonders gut eignen. In seiner aktuellen Veröffentlichung stellt es Bauelemente vor, die wesentliche Eigenschaften biologischer Nervensysteme elektronisch nachbilden können.

 

Komplexe Oxide vereinen viele Funktionen

Die Grundlage der neuen Bauelemente bildet eine Grenzfläche aus zwei Oxidmaterialien, die am Lehrstuhl für Experimentelle Physik IV hergestellt wurde: Lanthanaluminat (LaAlO₃, kurz LAO) und Strontiumtitanat (SrTiO₃, kurz STO). Obwohl beide Materialien für sich genommen elektrisch isolierend sind, entsteht an ihrer gemeinsamen Grenzfläche ein extrem dünner leitfähiger Bereich, ein sogenanntes quasi-zweidimensionales Elektronengas.

 

Durch gezielte Mikrostrukturierung lassen sich daraus winzige „Elektronen-Autobahnen“ herstellen, auf denen sich der Verkehr der Ladungsträger – also der Ladungstransport – präzise steuern lässt. Fließt Strom durch die Grenzfläche, können Sauerstoffatome herausgelöst werden. Dadurch verändert sich der elektrische Widerstand. Die Leitfähigkeit der Struktur kann somit gezielt angepasst werden. Auf diese Weise lässt sich ein Bauelement „anlernen“. Das funktioniert ähnlich wie bei einem neuronalen Netzwerk, das durch äußere Reize lernt.

 

Die dabei eingesetzten komplexen Oxide zählen zu den vielversprechendsten Materialplattformen für neuartige Elektronik. „Komplexe Oxide sind für uns ein besonders spannendes Spielfeld, weil sie viele elektronische Eigenschaften in einer einzigen Materialplattform vereinen. Genau das macht sie so interessant für eine neue Generation energieeffizienter und anpassungsfähiger Computerhardware“, erläutert Ralph Claessen, Sprecher des Würzburg-Dresdner Exzellenzclusters ctd.qmat an der Universität Würzburg und Mitautor der Studie.

 

Elemente für ein künstliches Nervennetzwerk

Die Vielseitigkeit der Oxid-Plattform nutzte das Würzburger Team, um Bauelemente zu entwickeln, die zentrale Funktionen von Neuronen und Synapsen nachbilden können. Dazu zählen ein Transistor zum Schalten von Strom, ein Memristor als widerstandsbasierter Speicherbaustein sowie ein Memcapacitor, dessen Kapazität von seiner elektrischen Vorgeschichte abhängt. Besonders bemerkenswert ist, dass ein einzelnes nanoskaliges Bauelement – je nach Verschaltung – verschiedene Aufgaben übernehmen kann. Es lässt sich als Transistor, Memristor oder Memcapacitor betreiben und fungiert damit als eine Art elektronisches Multitalent.

 

„Das Spannende an unserer Plattform ist, dass wir mit demselben Materialsystem sehr verschiedene Funktionen realisieren können. Dadurch kommen wir Hardware näher, die nicht nur rechnet, sondern auch direkt im Bauelement lernen sowie Informationen zwischenspeichern kann“, sagt Soumen Pradhan, Postdoktorand am Lehrstuhl für Technische Physik in Würzburg und Erstautor der Studie.

 

Potenzielle Anwendung für mitdenkende Biosensoren

Mögliche Anwendungsbereiche für die „selbstlernende“ Brain-Inspired-Computing-Plattform sind die Gesundheitsüberwachung und die medizinische Diagnostik.

 

Langfristig könnten solche Technologien in tragbaren Sensorsystemen oder bioelektronischen Anwendungen eingesetzt werden. Sie könnten zentrale Parameter wie Herzfrequenz, Blutdruck, Körpertemperatur, Sauerstoffsättigung oder Blutzucker kontinuierlich erfassen und direkt vor Ort intelligent auswerten: schnell, energieeffizient und ohne zusätzliche Recheneinheiten.

 

Die aktuellen Ergebnisse des Würzburger Physikteams stammen zwar aus der Grundlagenforschung, verdeutlichen jedoch das Potenzial dieser neuen Generation von Hardware und sind in Nature Communications erschienen.