Revolution inden for computerteknologi: Greifswald-forskning inspireret af hjernen!

Revolution inden for computerteknologi: Greifswald-forskning inspireret af hjernen!

Fysikere ved universitetet i Greifswald udvikler en lovende tilgang til energieffektive computere, der er inspireret af den menneskelige hjerne. I betragtning af de udfordringer, som nutidens computerteknologi står over for - især højt energiforbrug, adskillelse af lager- og behandlingsenheder og langsomme dataoverførsler - er en nytænkning af computerarkitekturen nødvendig. Voksende krav på grund af omfattende AI-modeller og enorme mængder data driver forskning i neuromorfe koncepter, der er baseret på den menneskelige hjernes funktion. Disse tilgange bliver mere og mere relevante for at opnå bæredygtig udvikling inden for datalogi, som f.eks uni-greifswald.de rapporteret.

Forskerholdet ledet af Dr. Tahereh Sadat Parvini og Prof. Dr. Markus Münzenberg arbejder på magnetiske tunnelforbindelser (MTJ'er), der både kan lagre og behandle information. Holdet udvikler et hybrid optoelektrisk excitationsskema, der kombinerer elektriske strømme med korte laserimpulser. Denne metode tillader generering af store termoelektriske spændinger i MTJ'er, som fremmer synapse-lignende adfærd.

Egenskaber og anvendelser af den nye teknologi

De magnetiske tunnelkontakter er kendetegnet ved tre bemærkelsesværdige egenskaber: For det første kan spændingen justeres fleksibelt, hvilket svarer til en synaptisk vægt. For det andet opstår spontane "spids"-signaler, svarende til udvekslingen af ​​information mellem nerveceller. For det tredje opnåede et udviklet neuromorfisk netværk 93,7 % genkendelsesnøjagtighed for håndskrevne cifre i simuleringer. Prof. Dr. Markus Münzenberg fremhæver den kompakte og energibesparende platform, som gør denne teknologi forudbestemt til fremtidige computerapplikationer. Derudover er teknologien kompatibel med eksisterende halvlederteknologi, hvilket gør det muligt at bruge den i dagligdags enheder og højtydende computere.

Udfordringerne på det nuværende computerområde, såsom de stigende omkostninger til chipudvikling og -produktion og det nødvendige fokus på ressourcebesparende teknologier, adresseres også af iis.fraunhofer.de tematiseret. Neuromorf databehandling ses som en løsning, fordi den efterligner den måde, den biologiske hjerne fungerer på. Disse tilgange forbedrer ikke kun energieffektiviteten, men muliggør også ressourcekrævende AI-applikationer på batteridrevne enheder.

Fremtidsudsigter inden for neuromorfisk databehandling

Et nøgleaspekt ved neuromorfisk databehandling er kombinationen af ​​lav latens og høj energieffektivitet, som er beregnet til at hjælpe med at optimere real-time edge AI-applikationer. Denne teknologi kan spille en nøglerolle, især inden for databeskyttelsesløsninger, der ikke kræver adgang til cloud-systemer. Fraunhofer IIS har derfor igangsat projektet "Neuromorphic Computing", som udvikler algoritmer og hardware til neuromorfe processorer i CMOS-teknologi til integration i slutenheder.

Derudover arbejder industrien på udviklingen af ​​innovative edge AI-applikationer, der vil muliggøre høj parallel behandling og lav latens. Store virksomheder som Intel, IBM og andre forskningsinstitutioner investerer massivt i denne teknologi, som på mellemlang sigt kan bruges inden for områder som robotteknologi, medicinsk teknologi og autonome systemer techzeitgeist.de forudsagt.

Selvom der er udviklinger som Intels Loihi-chip, der er specifikt optimeret til edge computing-applikationer, står udfordringer som høje produktionsomkostninger og behovet for at udvikle passende software i vejen for spredningen af ​​neuromorfe systemer. Prognoser viser, at de første neuromorfe chips kunne være tilgængelige i 2025, men de kan ikke nemt integreres i massemarkedet på grund af eksisterende forhindringer.

Udviklingen inden for neuromorfisk computerteknologi, drevet af University of Greifswald og understøttet af samarbejder med institutter som Max Planck Institute for the Science of Light og International Iberian Nanotechnology Laboratory, repræsenterer et betydeligt fremskridt, som ikke kun kunne revolutionere datalogi, men også vil have en indvirkning på mange andre industrier.