Energieeffizientes neuromorphes Computing

Die Natur hängt die Messlatte hoch: Unser Gehirn ist in der Lage, riesige Informationsmengen zu verarbeiten und zu speichern, ohne dabei mehr Energie als eine 20-Watt-Glühbirne zu benötigen. Ein guter Grund für Forschende weltweit, sich das menschliche Gehirn als Vorbild für Schaltkreise in so genannten neuromorphen Chips zu nehmen.

Neue Bauelemente für neuromorphes Computing
© Fraunhofer EMFT/ Bernd Müller
Thermisch unterstützte chemische Gasphasenabscheidung auf 8-Zoll-Wafer.

Im EU-Projekt NeurONN entwickelt die Fraunhofer EMFT mit sechs europäischen Partnern eine neurologisch inspirierte Computerarchitektur. Dort werden Informationen von gekoppelten oszillierenden Elementen verschlüsselt, die zu einem neuronalen Netzwerk verschaltet sind. Analog zum Gehirn bilden die beiden Schlüsselkomponenten Neuron und Synapse die verteilten Rechen- und Speichereinheiten nach. Als Neuronen dienen neue Elemente auf Basis von Vanadiumdioxid, die 250 Mal effizienter als modernste digitale Oszillatoren sein können. Als Synapsen kommen sogenannte Memristoren – aus memory und resistor, Speicher und elektrischer Widerstand – auf Basis von neuen 2D-Nanomaterialien zum Einsatz. Die winzigen Bauelemente sollen bei Schaltgeschwindigkeit, Lebensdauer und Energieverbrauch bis zu 330 Mal effizienter sein als aktuelle Technologien.

Zum Einsatz sollen die neuromorphen Chips überall dort kommen, wo Energieeffizienz und niedrige Latenzzeiten besonders wichtig sind, etwa weil Geräte batteriebetrieben werden oder keine Zeit bleibt, Daten in die Cloud zu schicken und auf Antwort zu warten. Dazu zählt beispielsweise die Verarbeitung von Sensordaten beim autonomen Fahren, in Satellitenanwendungen, bei Predictive Maintanance oder Condition Monitoring in der Industrie 4.0. Ein großer Vorteil neuromorpher Hardware ist auch, dass Informationen lokal und nicht in der Cloud gespeichert werden, was sowohl die Sicherheit der Geräte als auch den Datenschutz verbessert. Nicht zuletzt dienen neuromorphe Chips als Basis für Egde-AI-Anwendungen.

Das Projekt wird im Rahmen des EU-Forschungsprogramms Horizon 2020 unter dem Förderkennzeichen 871501 gefördert.

Das könnte Sie auch interessieren:

Kompetenzbereich: 2D-Materialien auf der Basis der Chalcogenide MoS2 und WS2

Die Energieeffizienz des Internet of Things steigern

Stromsparende Chips für neuromorphic Computing