Stanford University ENODe für künstliches Gehirn

Das »Electrochemical Neuromorphic Organic Device« könnte den Weg zu neuromorphen Computern öffnen

Ein völlig neues Bauelement – ENODe genannt – lässt es realistisch erscheinen, der Informationsdichte und Energieeffizienz des menschlichen Gehirns nahe zu kommen.

Das Gehirn arbeitet massiv parallel. Das erlaubt eine hohe Verarbeitungsleistung bei sehr geringer Energieaufnahme: Nur 1 bis 100 fJ sind für ein synaptisches Ereignis erforderlich.

Jetzt hat ein Gruppe von Wissenschaftlern von der Stanford University in »Nature Materials« ein »Electrochemical Neuromorphic Organic Device« (ENODe) beschrieben. Es arbeitet ganz anders als ein Memristor: Ein ENODe, das eine Fläche von 1000 µm² einnimmt, benötigt weniger als 10 pJ, um zu schalten. Es erreicht über 500 unterschiedliche  Leitzustände, die zudem nichtflüchtig sind. Und das alles innerhalb eines Spannungsbereichs von rund 1 V. Ein ENODe besteht aus Plastik und lassen sich deshalb auf flexiblen Materialien aufbringen. Deshalb können sie auf dreidimensionale Architekturen integriert werden, was wiederum erlaubt, sie sehr gut zu vernetzen. Das eröffne laut den Wissenschaftlern einen realistichen Weg zu einem Vernetzungsgrad, der dem des Gehirns nahe kommt.

Wenn sich die Hoffnungen als realistisch erwiesen, wäre das ein Durchbruch. Denn schon seit längerem versuchen Ingenieure und Wissenschaftler, das parallel arbeitende Gehirn in die Welt der Elektronik zu übertragen. Doch bisher war es nicht möglich, die Synapsen nachzubilden. Damit blieben neuromorphe Computer nicht mehr als ein Traum. 

Denn neuronale Architekturen auf CMOS-Basis und Memresistors ließen sich zwar zu lernfähigen Maschinen und zu Systemen für die Mustererkennung kombinieren. Allerdings weisen sie entscheidende Nachteile auf: Die Speicherelemente sind flüchtig, die Komplexität der Designs muss sehr hoch sein und die Versorgungsspannungen liegen ebenfalls hoch. Zudem nehmen Memristors beim Schalten viel Energie auf. Damit konnte bisher jedenfalls der hohe Vernetzungsgrad, die Informationsdichte und die Energieeffizienz des Gehirns nicht erreicht werden. Nun bestehen zumindest realistische Hoffnungen, dass sich dies irgendwann einmal ändern könnte.