Revolusjon innen datateknologi: Greifswald-forskning inspirert av hjernen!

Revolusjon innen datateknologi: Greifswald-forskning inspirert av hjernen!

Fysikere ved Universitetet i Greifswald utvikler en lovende tilnærming for energieffektive datamaskiner som er inspirert av den menneskelige hjernen. Gitt utfordringene dagens datateknologi står overfor – spesielt høyt energiforbruk, separasjon av lagrings- og prosesseringsenheter og langsomme dataoverføringer – er det nødvendig å tenke nytt om dataarkitekturen. Økende krav på grunn av omfattende AI-modeller og enorme mengder data driver forskning på nevromorfe konsepter som er basert på funksjonen til den menneskelige hjernen. Disse tilnærmingene blir stadig mer relevante for å oppnå bærekraftig utvikling innen informatikk, som f.eks uni-greifswald.de rapportert.

Forskerteamet ledet av Dr. Tahereh Sadat Parvini og Prof. Dr. Markus Münzenberg jobber med magnetiske tunnelkryss (MTJ) som både kan lagre og behandle informasjon. Teamet utvikler et hybrid optoelektrisk eksitasjonsskjema som kombinerer elektriske strømmer med korte laserpulser. Denne metodikken tillater generering av store termoelektriske spenninger i MTJ-er, som fremmer synapselignende oppførsel.

Egenskaper og anvendelser av den nye teknologien

De magnetiske tunnelkontaktene er preget av tre bemerkelsesverdige egenskaper: For det første kan spenningen justeres fleksibelt, noe som tilsvarer en synaptisk vekt. For det andre oppstår spontane "spike"-signaler, som ligner på utveksling av informasjon mellom nerveceller. For det tredje oppnådde et utviklet nevromorfisk nettverk 93,7 % gjenkjenningsnøyaktighet for håndskrevne sifre i simuleringer. Prof. Dr. Markus Münzenberg fremhever den kompakte og energisparende plattformen, som gjør denne teknologien forutbestemt for fremtidige dataapplikasjoner. I tillegg er teknologien kompatibel med eksisterende halvlederteknologi, noe som gjør det mulig å bruke den i hverdagslige enheter og høyytelsesdatamaskiner.

Utfordringene på dagens dataområde, som økende kostnader ved brikkeutvikling og produksjon og nødvendig fokus på ressursbesparende teknologier, tas også opp av iis.fraunhofer.de tematisert. Nevromorf databehandling blir sett på som en løsning fordi den etterligner måten den biologiske hjernen fungerer på. Disse tilnærmingene forbedrer ikke bare energieffektiviteten, men muliggjør også ressurskrevende AI-applikasjoner på batteridrevne enheter.

Fremtidsutsikter innen nevromorf databehandling

Et sentralt aspekt ved nevromorfisk databehandling er kombinasjonen av lav latens og høy energieffektivitet, som er ment å bidra til å optimalisere AI-applikasjoner i sanntid. Denne teknologien kan spille en nøkkelrolle, spesielt innen databeskyttelsesløsninger som ikke krever tilgang til skysystemer. Fraunhofer IIS har derfor initiert prosjektet «Neuromorphic Computing», som utvikler algoritmer og maskinvare for nevromorfe prosessorer i CMOS-teknologi for integrering i sluttenheter.

I tillegg jobber industrien med utviklingen av innovative AI-applikasjoner som vil muliggjøre høy parallell prosessering og lav latens. Store selskaper som Intel, IBM og andre forskningsinstitusjoner investerer tungt i denne teknologien, som kan brukes på mellomlang sikt innen områder som robotikk, medisinsk teknologi og autonome systemer techzeitgeist.de spådd.

Selv om det er utviklinger som Intels Loihi-brikke, som er spesifikt optimalisert for edge computing-applikasjoner, står utfordringer som høye produksjonskostnader og behovet for å utvikle passende programvare i veien for spredningen av nevromorfe systemer. Prognoser viser at de første nevromorfe brikkene kan være tilgjengelige innen 2025, men de kan ikke enkelt integreres i massemarkedet på grunn av eksisterende hindringer.

Utviklingen innen nevromorfisk datateknologi, drevet av University of Greifswald og støttet av samarbeid med institutter som Max Planck Institute for the Science of Light og International Iberian Nanotechnology Laboratory, representerer et betydelig fremskritt som ikke bare kan revolusjonere informatikk, men vil også ha en innvirkning på mange andre bransjer.