Sind „Memristoren“ der Schlüssel zur KI, die das menschliche Gehirn nachahmt?

Das menschliche Gehirn ist der komplexeste und leistungsfähigste Computer, den der Mensch je gekannt hat. Dieses Wunder der Natur kann gleichzeitig Millionen von Datenpunkten und sensorischen Eingaben in Echtzeit verarbeiten. Während Computer heute in der Lage sind, die Leistungsfähigkeit des menschlichen Gehirns in Bezug auf Rechenleistung zu übertreffen, gibt es noch Bereiche, in denen sie zurückbleiben. Ein kürzlicher Durchbruch bei Memristoren könnte den Schlüssel zur Freischaltung von neuronalen Netzwerkberechnungen darstellen und die Tür zu intelligenteren, schnelleren künstlichen Intelligenzsystemen in der Zukunft öffnen.

Aktuelles Chip-Design

Die heutige von-Neumann-Computing-Architektur platziert Verarbeitung und Speicher an zwei getrennten Orten. Ursprünglich war dieses Layout sinnvoll, da Computer nicht die enorme Datenabrufmenge benötigten, die heute vorkommt. Allerdings verarbeiten fortschrittliche KI-Systeme Milliarden von Datenbits in Echtzeit. Daher zählt jede Millisekunde, einschließlich der Zeit und Energie, die für das Abrufen und Verarbeiten des Speichers von zwei getrennten Orten benötigt werden.

Probleme mit dem aktuellen Chip-Design

Das aktuelle Chip-Design ist zu langsam, um mit den wachsenden Anforderungen der KI-Community Schritt zu halten. Eine bessere Lösung für rechenintensive Protokolle wie KI-Systeme besteht darin, Speicher und Verarbeitung auf einem einzigen Chip zu platzieren. Um diese Aufgabe zu bewältigen, wandten sich Ingenieure einer in den 1970er Jahren entwickelten Technologie zu: den Memristoren.

Memristoren

Das Konzept der Memristoren entstand 1971 nach einem von Leon Chua veröffentlichten Papier. Memristoren funktionieren durch die Nutzung variierender Ströme. Durch Änderung von Richtung und Menge des Stroms können diese Geräte Daten speichern. Ihre kompakte Größe und die Fähigkeit, Daten zu speichern und zu verarbeiten, verleihen ihnen eine ideale Leistung für die heutigen fortschrittlichen KI-Systeme.

Probleme mit der heutigen Memristor‑Technologie

Das Hauptproblem der heutigen in Computern eingesetzten Memristor‑Technologie ist, dass sie noch nicht mit anderen Systemen konkurrieren kann. Diese experimentellen Chip‑Designs bieten oft geringere Rechenleistung, fragwürdige Zuverlässigkeit und fehlen die Haltbarkeit ihrer Dual‑Chip‑Gegenstücke. Glücklicherweise wird sich das bald ändern.

Neuromorphes Computing

Memristoren sind ein entscheidender Bestandteil der neuromorphen Computing-Bewegung. Diese Computerkategorie versucht, die im Gehirn vorhandenen neuronalen Netze nachzuahmen. Diese Systeme können Daten an einem einzigen Ort berechnen, verarbeiten und speichern. Sie können zudem lernen, korrigieren und sich an neue Szenarien anpassen, genau wie das menschliche Gehirn arbeitet. Diese Fähigkeit, kombiniert mit dem neuen integrativen Chip-Design, ermöglicht eine neue Ära der Rechenleistung.

Memristor‑Chip‑Studie

Die Studie „Self-supervised video processing with self-calibration on an analog computing platform based on a selector-less memristor array“¹ wurde in diesem Monat in der Fachzeitschrift Nature Electronics veröffentlicht. Die Studie beschreibt einen nächsten‑Generation neuromorphen, halbleiterbasierten Prozessor, der die Denkweise des menschlichen Gehirns nachahmt und es ermöglicht, zu lernen und sich anzupassen, um die Leistung zu verbessern.

Neues Chip-Design

Die Forscher integrierten ein selektorloses analoges Memristor‑Array, um eine All‑in‑One‑Speicher‑ und Verarbeitungseinheit zu schaffen. Das Gerät nutzt periphere Schaltungen und einen digitalen Controller, um die Memristoren in Echtzeit zu programmieren. Konkret wurden interfacial‑Typ Titanoxid‑Memristoren für die Experimente ausgewählt.

Quelle – KAIST

Imitiert das menschliche Gehirn

Ein besonders beeindruckender Aspekt dieser Forschung ist, dass die Ingenieure ein fortschrittliches KI‑System direkt in den Chip integrieren konnten. Diese Integration ermöglicht es dem Chip, zu lernen und Fehler zu korrigieren. Das Gerät bietet Echtzeitanalyse und Vor‑Ort‑Verarbeitung, wodurch es die ideale Lösung für verschiedene Anwendungsfälle wie Musikbearbeitung, Sicherheit und vieles mehr darstellt.

Neue Szenarien entdecken

Beeindruckend ist, dass die Ingenieure beschlossen, KI‑Algorithmen im analogen Bereich auszuführen. Folglich wurde das System so eingerichtet, dass es Selbstkalibrierung ohne Kompensationsoperationen oder Vortraining nutzt. Wie ein Mensch kann diese KI die Echtzeitdaten auswerten und mit ihrer Historie abgleichen, um die nächste Aktion zu bestimmen.

Verbesserung der Leistung

Dieses Setup ermöglicht es Ingenieuren, Computer und Geräte zu schaffen, die lernen, Fehler korrigieren und KI‑Aufgaben vor Ort verarbeiten. Die Daten werden anschließend gespeichert und verarbeitet, um ihre Beziehung zu früheren Daten und anderen einzigartigen Merkmalen zu erkennen. Wann immer das System feststellt, dass Leistungsverbesserungen durch Lernen möglich sind, integriert es diese automatisch.

Memristor‑Chip‑Test

Um das weltweit erste memristorbasierte integrierte System, das sich an Echtzeit‑Datenänderungen anpassen kann, zu testen, richteten die Ingenieure eine Videobearbeitungsaufgabe ein. Das KI‑System erhielt kontinuierlich Echtzeit‑Video einer sich bewegenden Person. Es sollte den Vordergrund vom Hintergrund des Videos trennen.

Ergebnisse des Memristor‑Chip‑Tests

Die Daten zeigen einige vielversprechende Ergebnisse. Einerseits wurde die KI mit jedem Durchlauf schneller und effizienter. Anfangs benötigte die KI zusätzliche Zeit, um die Situation zu bestimmen, jedoch war sie bei den letzten Durchläufen bereits mit dem Prozess vertraut und wusste, wie Vorder‑ und Hintergrund zu unterscheiden sind.

Beeindruckend zeigte der Videobearbeitungstest des KI‑Chips ein durchschnittliches Spitzen‑Signal‑zu‑Rausch‑Verhältnis von 30,49 dB, vergleichbar mit dedizierten Diensten. Zusätzlich verzeichnete das Team einen strukturellen Ähnlichkeitsindex von 0,81.

Vorteile von Memristor‑Chips

Es gibt mehrere Gründe, warum Memristor‑Chips eine kluge Wahl sind. Erstens bieten sie Vor‑Ort‑Echtzeitanalyse von Daten. Das bedeutet, dass Geräte ohne Internetverbindung oder die Notwendigkeit, ein anderes Gerät zu kontaktieren, um eine fundierte Einschätzung ihrer Umgebung vorzunehmen, betrieben werden können.

Sicherheit

Durch dieses Layout werden Sicherheit und Datenschutz erhöht. Da die Daten nicht extern gesendet werden müssen, reduziert sich das Risiko von Hacks oder menschlichen Fehlern erheblich.

Bessere Leistung

Ein weiterer großer Nutzen dieser Studie ist, dass sie zeigt, wie die Leistung heutiger PCs verbessert werden kann. Das memristorbasierte KI‑System bietet seinen Nutzern Parallelverarbeitungsfähigkeiten, verbessert die Leistungsfähigkeit und ermöglicht es Systemen, höhere Lasten zu bewältigen.

Größe

Memristor‑Chips sind wesentlich kleiner als herkömmliche Layouts. Daher eignen sie sich ideal für Mikroelektronik, Wearables, Robotik und andere Szenarien, in denen Platz begrenzt oder das Gewicht ein wichtiges Kriterium ist, wie bei Drohnen oder anderer Luft‑ und Raumfahrttechnik.

Reduzierter Energieverbrauch

Hinsichtlich des Energieverbrauchs nutzen Memristor‑Chips Hunderte Male weniger Leistung als herkömmliche Chip‑Designs. Der zum Programmieren des Chips benötigte Strom ist winzig. Dieser niedrige Energieverbrauch ist ideal für Nachhaltigkeit und stellt sicher, dass die KI‑Revolution nicht wie die industrielle Revolution eine enorme Belastung für die Umwelt darstellt.

Anwendungen von Memristoren

Es gibt zahlreiche Anwendungen für Memristoren auf dem Markt. Einerseits sind sie die ideale Wahl für kompakte und energieeffiziente Künstliche‑Intelligenz‑Edge‑Computing‑Systeme. Diese Technologie könnte eines Tages all Ihre intelligenten Geräte deutlich smarter, leichter und leistungsfähiger machen. Hier sind nur einige Anwendungen des Memristor‑Chip‑Systems.

Videoverarbeitung

Die KI‑Videoverarbeitung ist einer der am schnellsten wachsenden Sektoren auf dem Markt. Der Chip der Forscher ist aus vielen Gründen ideal für diese Aufgabe. Erstens nutzt er seine selbstlernenden Fähigkeiten, um die Arbeitslast zu reduzieren und das Ergebnis zu verbessern. Man könnte diesen Chiptyp sehen, der fortschrittliche KI‑Bearbeitungssysteme wie das vom Team getestete antreibt.

Bereits jetzt machen KI‑Bearbeitungssysteme das Ansehen erschwinglicher. Drei Systeme können häufig doppelte Frames zwischen dem Originalframe erzeugen, was massive Auflösungssteigerungen ermöglicht. In Zukunft könnte ein solches System das Bearbeiten von High‑End‑Video auf dem Smartphone vereinfachen.

Gesundheitswesen

Der Einsatz von KI im Gesundheitswesen nimmt zu. Durch Memristor‑unterstützte Smart‑Devices wird es eines Tages möglich sein, Patienten umfassend zu überwachen, Fachkräfte zu entlasten und ihr Bewusstsein zu verbessern. Die KI könnte sogar so eingerichtet werden, dass sie die Daten an ein weiteres, speziell für das Gesundheitswesen entwickeltes KI‑System sendet.

Sicherheit

Der Einsatz eines selbstlernenden KI‑Systems zur Programmierung von Sicherheitskameras ist sinnvoll. Stellen Sie sich vor, Ihre smarte Kamera überwacht Ihren Garten. Plötzlich erscheint eine Person, macht einige Bewegungen und verschwindet dann aus dem Bild. Wenn Sie nicht auf den Bildschirm geschaut haben, haben Sie das verpasst. Ein durch Memristoren unterstütztes KI‑Sicherheitssystem könnte das Gebiet nach verdächtigem Verhalten durchsuchen und Sie in Echtzeit benachrichtigen.

Autonome Fahrzeuge

Autonome Fahrzeuge werden diese Technologie in Zukunft sicher integrieren, um neue Aufgaben zu übernehmen und ein höheres Maß an Zuverlässigkeit zu erreichen. Das System ermöglicht es den Fahrzeugen, ihre Umgebung zu analysieren und fundierte Vermutungen über das beste Szenario anzustellen. Bei jeder Entscheidung wird diese bewertet und zur Bestimmung der nächsten Option verwendet, wodurch im Laufe der Zeit eine bessere Leistung gewährleistet wird.

Forscher zu Memristoren

Diese Studie wurde von den KAIST‑Ingenieuren Professor Shinhyun Choi und Professor Young‑Gyu Yoon mit ihrem gemeinsamen Forschungsteam der Fakultät für Elektrotechnik geleitet. Hakcheon Jeong und Seung Jae Han leisteten ebenfalls ihren Beitrag zur Datenerhebung und -verarbeitung.

Die Memristor‑Chip‑Studie wird unterstützt vom Next‑Generation Intelligent Semiconductor Technology Development Project, dem Excellent New Researcher Project und dem PIM AI Semiconductor Core Technology Development Project der National Research (NRC ) Foundation of Korea sowie vom Research and Development Support Project des Electronics and Telecommunications Research Institute.

Ein Unternehmen, das von der Memristor‑Studie profitieren könnte

Es gibt zahlreiche Branchen, die durch diese Technologie verbessert werden könnten. Die Welt hat die Grenze beim Verkleinern von Widerständen erreicht. Diese neueste Entwicklung bringt eine zuverlässigere und skalierbare Option auf den Markt. Hier ist ein Unternehmen, das gut positioniert ist, diese Daten für den Erfolg zu nutzen.

Micron Technologies Inc.

Micron Technologies Inc. (MU ) trat 1978 in den Markt ein. Sie wurde von Ward Parkinson, Joe Parkinson, Dennis Wilson und Doug Pitman als Halbleiterfertigungsbetrieb gegründet. Das Unternehmen erzielte schnell Erfolg und eröffnete 1980 seine erste Fertigungsanlage.

Seitdem hat Micron Technologies sein Angebot auf weitere technikbezogene Sektoren ausgeweitet. Beeindruckend ist, dass es 1994 sogar einen Platz in der Fortune‑500-Liste erreichte. Heute wird es als Vorreiter nach Jahrzehnten von Chip‑Innovationen anerkannt.

Micron Technologies ist ein führender Forscher und Entwickler von Memristor‑Chipsätzen. Das Unternehmen strebt an, diese Technologie zu integrieren, um sein florierendes Rechenzentrums‑Geschäftsmodell voranzutreiben. Derzeit beschäftigt das Unternehmen 43 000 Mitarbeitende. Folglich wird MU als starker „Kauf“ für Händler angesehen, die im KI‑Sektor investieren möchten.

Memristoren werden die KI‑Revolution antreiben.

Das innovative Team hinter dem Memristor‑CPU‑Design versteht die Bedeutung von direktem On‑Chip‑Speicher und -Verarbeitung für die Leistungsfähigkeit von KI‑Systemen. Nun werden die Ingenieure ihre Forschung und Tests weiter vorantreiben, um memristorbasierte Chips so schnell wie möglich in die Konsumelektronik zu bringen.

Erfahren Sie mehr über andere Durchbrüche im Computing Breakthroughs.

Studienreferenz:

^{1. Duan, X., Cao, Z., Gao, K., Yan, W., Sun, S., Zhou, G., Wu, Z., Ren, F., & Sun, B. (2024). Memristor-based neuromorphic chips. Advanced Materials, 36(14), e2310704. https://doi.org/10.1002/adma.202310704}