Forscher bauen chips nach dem Vorbild des Gehirns ^{CEFR B2}

Während klassische Computerchips zunehmend an physikalische Grenzen stoßen und der Rechenbedarf für Künstliche Intelligenz wächst, rechnen Forschende damit, dass sich der Energiebedarf von KI-Rechenzentren bis zum Ende des Jahrzehnts voraussichtlich verdoppeln wird. Diese Entwicklung stellt nicht nur Fragen der Nachhaltigkeit, sondern fordert auch neue Ansätze im Hardware-Design. Deshalb untersuchen Wissenschaftlerinnen und Wissenschaftler neuromorphe Rechnerarchitekturen, also Hardwarekonzepte, die Information eher wie biologische neuronale Netze verarbeiten.

Suchi Guha von der University of Missouri weist darauf hin, dass das Gehirn extrem energieeffizient arbeitet: Es erledigt komplexe Aufgaben mit rund 20 Watt, während heutige Computerarchitekturen deutlich mehr Leistung benötigen. Ihr Team entwickelt elektronische Bauteile, die Synapsen nachahmen; diese organischen Transistoren vereinen Speicherung und Verarbeitung am selben Ort und umgehen so das ständige Verschieben von Daten zwischen getrennten Einheiten, das Leistung bremst und Energie verbraucht.

Um das Konzept zu prüfen, verglichen die Forschenden mehrere organische Materialien. Obwohl die Materialien an der Oberfläche nahezu gleich wirkten, variierten ihre Eigenschaften als synaptische Transistoren stark. Die Gruppe identifizierte die Schnittstelle — die dünne Grenze, an der der Halbleiter auf eine isolierende Schicht trifft — als entscheidenden Faktor. Das Ergebnis deutet darauf hin, dass Leistung nicht nur von der Materialzusammensetzung abhängt, sondern auch davon, wie das Material mit seiner Umgebung interagiert.

Die Studie liefert damit konkrete Prinzipien für den Entwurf neuromorpher Hardware, die energieeffiziente, gehirnähnliche KI für Aufgaben wie Mustererkennung und Entscheidungsfindung ermöglichen könnte. Die Arbeit erscheint in ACS Applied Electronic Materials; Koautorinnen und Koautoren kommen von Mizzou und der Hamad Bin Khalifa University. Quelle: University of Missouri.