Suchen

Neuro-Computer: Lernfähige künstliche Synapsen nach Maß

Redakteur: Kristin Rinortner

Forscher der Jülich Aachen Research Alliance haben in Zusammenarbeit mit Heraeus eine Möglichkeit gefunden, unterschiedlich erregbare Arten von künstlichen Synapsen zu konstruieren. Damit ist der Weg für neuro-inspirierte Computer geebnet.

Firmen zum Thema

Memristoren: Memristive Elemente bieten großes Potenzial für neuro-inspirierte Computer nach dem Vorbild des Gehirns. Die Bauelemente sind lernfähig, ähnlich wie eine Synapse des biologischen Nervensystems.
Memristoren: Memristive Elemente bieten großes Potenzial für neuro-inspirierte Computer nach dem Vorbild des Gehirns. Die Bauelemente sind lernfähig, ähnlich wie eine Synapse des biologischen Nervensystems.
(Bild: Forschungszentrum Jülich / Tobias Schlößer)

Wissenschaftler weltweit arbeiten an memristiven Bauelementen, die mit extrem wenig Strom auskommen und sich ähnlich wie Nervenzellen im Gehirn verhalten. Forscher der Jülich Aachen Research Alliance (JARA) und des deutschen Technologiekonzerns Heraeus haben nun herausgefunden, wie sich die Schalteigenschaften dieser Elemente gezielt beeinflussen lassen.

Memristoren – elektrische Bauelemente, die wie ein „Widerstand mit Gedächtnis“ zwischen einem niedrigen und einem hohen Wert hin und her geschaltet werden können – gelten als vielversprechende Alternative zu herkömmlichen Bauelementen in Computerchips.

Aufgrund ihrer besonderen Eigenschaften wird ihre Entwicklung von vielen Unternehmen und Forschungseinrichtungen weltweit verfolgt. Der japanische Elektronikkonzern NEC hat bereits 2017 erste Prototypen in Satelliten eingebaut. Viele andere große Unternehmen wie Hewlett Packard, Intel, IBM und Samsung arbeiten daran, neuartige Rechner- und Speichertypen mit memristiven Elementen auf den Markt zu bringen.

Wie funktionieren Memristoren?

Memristoren funktionieren prinzipiell wie eine Synapse des biologischen Nervensystems – sie sind also prinzipiell lernfähig und kommen zudem mit extrem wenig Strom aus. „Memristive Elemente gelten als ideale Kandidaten für neuro-inspirierte Computer nach dem Vorbild des Gehirns, die im Zusammenhang mit Deep Learning und künstlicher Intelligenz großes Interesse wecken“, erläutert Dr. Ilia Valov vom Peter Grünberg Institut (PGI-7) des Forschungszentrums Jülich.

Bild 1: Synapsen und memristive Elementen übertragen Signale unterschiedlich stark, wenn sie schnell hintereinander durch ein elektrisches Signal erregt werden.
Bild 1: Synapsen und memristive Elementen übertragen Signale unterschiedlich stark, wenn sie schnell hintereinander durch ein elektrisches Signal erregt werden.
(Bild: Forschungszentrum Jülich / Tobias Schlößer)

Synapsen, die Verbindungen zwischen den Nervenzellen, haben die Eigenart, Signale unterschiedlich stark zu übertragen, wenn sie schnell hintereinander durch ein elektrisches Signal erregt werden. Unter anderem erhöht sich durch die wiederholte Aktivität die Konzentration an Kalzium-Ionen, so dass mehr Botenstoffe ausgeschüttet werden. Andere Effekte sorgen je nach Aktivität für langfristige, strukturelle Umformungen, die die Stärke der Übertragung für einige Stunden und möglicherweise sogar lebenslang beeinflussen.

Bei memristiven Elementen lässt sich die Stärke der elektrischen Übertragung analog verändern, indem eine Spannung angelegt wird. In sogenannten Elektrochemischen Metallisierungszellen bildet sich zwischen den beiden äußeren metallischen Schichten ein metallisches Filament aus. Dadurch verkürzt sich effektiv der Abstand zwischen den beiden Schichten, was die Leitfähigkeit erhöht. Durch Spannungspulse mit umgekehrter Polarität lässt sich das Filament wieder einschrumpfen, bis die Zelle ihren Anfangszustand erreicht.

Bislang übersehen: Geheimnis sind Fremdatome in der Oxidschicht

Die Bauelemente, mit denen das Forschungsteam systematische Versuche durchgeführt hat, bestehen aus einer ultradünnen, amorphen Quarzglasschicht (Siliziumdioxid) zwischen einer Platin- und einer Kupfer-Elektrode. Die dotierten Gläser wurden vom Quarzglasspezialisten Heraeus Conamic entwickelt und hergestellt, der auch das Patent an dem Verfahren hält. Kupfer und Protonen dienten dabei als mobile Dotierung, Aluminium und Gallium als nicht-flüchtige Dotierungen.

In der aktuellen Ausgabe der Open-Access-Zeitschrift Science Advances beschreiben die Forscher, wie sich die Schalteigenschaften memristiver Bauelemente gezielt beeinflussen lassen.

Entscheidender Faktor ist demnach die Reinheit der zentralen Oxidschicht. In das zu 99,999999% reine Siliziumdioxid (8 Neuner, 8N) haben die Forscher gezielt Fremdatome eingebracht. „Je nachdem, ob man ein 99,999999% reines Material verwendet, ein Fremdatom in 10 Mio. Atome des reinen Materials einbringt oder ein Fremdatom in hundert Atome, unterscheiden sich die Eigenschaften der memristiven Elemente sehr stark“, sagt Valov.

Bild 2: Dr. Ilia Valov (vorne links) im Oxidcluster am Forschungszentrum Jülich, in dem Experimente für die aktuelle Arbeit durchgeführt wurden. Im Hintergrund: Michael Lübben (Mitte) und Prof. Rainer Waser (rechts)
Bild 2: Dr. Ilia Valov (vorne links) im Oxidcluster am Forschungszentrum Jülich, in dem Experimente für die aktuelle Arbeit durchgeführt wurden. Im Hintergrund: Michael Lübben (Mitte) und Prof. Rainer Waser (rechts)
(Bild: Peter Winandy)

Dieser Effekt wurde von der Fachwelt bislang übersehen. Er lässt sich gezielt für das Design memristiver Systeme nutzen, ähnlich einer Dotierung von Halbleitern in der Informationstechnologie. „Durch die Einbringung von Fremdatomen beeinflussen wir die Löslichkeit und Transporteigenschaften der dünnen Oxidschichten“, erklärt Dr. Christian Neumann vom Technologiekonzern Heraeus. Seit der ersten Idee im Jahr 2015 begleitet er das Projekt mit seiner Materialexpertise.

„In den letzten Jahren gab es bei der Anwendung der memristiven Bauelemente bemerkenswerte Fortschritte, die jedoch häufig auf einer rein empirischen Grundlage erzielt wurden“, so Valov. Mithilfe der gewonnenen Einsichten könnten Hersteller nun gezielt memristive Elemente mit den gewünschten Funktionen entwickeln.

Design-Vorgabe für künstliche Synapsen

Memristive Elemente zeigen ein ähnliches Verhalten wie ihr biologisches Vorbild: Lern- und Merkfähigkeit des Gehirns sind wesentlich darauf zurückzuführen, dass sich die Verbindungen zwischen Nervenzellen sozusagen verstärken, wenn sie häufig genutzt werden. Bei künstlichen Synapsen erhöht sich die Leitfähigkeit mit der Zahl der eingehenden Spannungspulse. Durch Anlegen von Spannungspulsen gegenläufiger Polarität lassen sich die Veränderungen auch wieder rückgängig machen.

Je höher die Dotierung, umso langsamer ändert sich der Widerstand der Elemente mit der Zahl der eingehenden Spannungspulse und umso stabiler bleibt der Widerstand. „Damit haben wir eine Möglichkeit entdeckt, unterschiedlich erregbare Arten von künstlichen Synapsen zu konstruieren“, erklärt Ilia Valov.

Bei memristiven Bauelementen gibt es unterschiedliche Varianten wie elektrochemische Metallisierungszellen (ECMs) oder Valenzwechsel-Zellen (VCMs). Die Forscher konnten anhand ihrer Versuchsreihen mit ECMs zeigen, dass sich mit der Menge an Fremdatomen auch die Schaltzeiten ändern.

Rekord-Schaltzeit von 1,4 ns belegt die Theorie

Besteht die mittlere Schicht der ECMs aus 8N Siliziumdioxid, schaltet das memristive Bauelement in 1,4 ns. Bislang betrug der schnellste jemals bei ECMs gemessene Wert etwa 10 ns. Indem die Wissenschaftler die Oxidschicht der Bauelemente mit bis zu 10.000 ppm Fremdatomen dotierten, verlängerten sie die Schaltzeit gezielt bis in den Bereich von Millisekunden.

„Wir haben für unsere Ergebnisse auch eine theoretische Begründung. Diese öffnet uns die Türe zum Verständnis und zur Nutzung der physikalisch-chemischen Vorgänge auf der Nanoskala“, sagt Valov. Aufgrund von allgemein geltenden theoretischen Überlegungen, unterstützt durch experimentelle Ergebnisse, die in der Fachliteratur dokumentiert sind, ist er überzeugt, dass der Dotierungseffekt nicht nur bei ECMs und VCMs, sondern bei allen memristiven Elementen auftritt.

Originalpublikation

(ID:46577277)