Fortschritte bei neuromorphen KI-Chips Dem Gehirn immer ähnlicher

..."das wäre ein Game-Changer"

Wie mächtig SNNs sind, können die Anwender auch auf Basis des von Intel entwickelten Loihi erfahren. Intel versteht Loihi als eine SNN-Plattform, auf der sich bis hinunter zu Edge-Anwendungen SNNs erproben lassen. »Hier können SNNs auf die Probleme der realen Welt angewendet werden«, sagt Mike Davies, Director des Neuromorphic Computing Lab von Intel. Derzeit mangelt es aber an Algorithmen für SNNs. »Unser Ziel ist es, eine Software-Umgebung aufzubauen, die es den Anwendern ermöglicht, Chips auf Basis von SNNs einzusetzen, ohne überhaupt wissen zu müssen, dass sie auf Basis von SNNs arbeiten.«

Derzeit forschen nach seinen Angaben weltweit über 100Gruppen auf Basis des Loihi; »ein Drittel der Gruppen kommen aus Europa«, so Mike Davies. Bisher hätten die Versuche gezeigt, dass ein enormes Potenzial in den SNNs stecke: Latenz und Energieeffizienz ließen sich im Bereich mehrerer Größenordnungen gegenüber konkurrierenden Ansätzen steigern. Erst kürzlich hat eine Gruppe von Wissenschaftlern in „Nature Machine Intelligence“ gezeigt, dass sich auf Basis des Loihi Geruchserkennung sehr viel effizienter durchführen lässt als über herkömmliches Machine Learning. Die Wissenschaftler haben sich von der Architektur und der Arbeitsweise des Sektors im Gehirn von Säugetieren inspirieren lassen, der für die Geruchswahrnehmung zuständig ist, um daraus Algorithmen für das SNN abzuleiten. Dass es derzeit an den Algorithmen mangelt, hält auch Davies für eines der größten Probleme: »Wenn wir diese Hürde nehmen könnten, wäre das ein Game Changer.«

Ein Game Changer wäre es auch, die SNNs nicht auf herkömmliche Transistoren abzubilden, sondern memristive Elemente zu integrieren. Damit kämen die neuromorphen Chips auch hinsichtlich ihrer Hardware dem biologischen Vorbild noch näher. Weil es vor einigen Jahren sehr vielversprechend aussah, nichtflüchtige Speicher auf Basis von Memristoren zu entwickeln, um die Flash-Speicher abzulösen, haben sich Startups in diesem Umfeld in erster Linie darauf konzentriert. Jetzt fällt der Blick zunehmend auch auf die Entwicklung von künstlichen Synapsen.

Hier ist Dr. Ilia Valov vom Peter-Grünberg-Institut (PGI-7) des Forschungszentrums Jülich ein wichtiger Schritt gelungen, um Memristoren zuverlässiger zu machen und ihre Eigenschaften durch das Einbringen von Fremdatomen in vorhersehbarer Weise einzustellen. Es komme darauf an, dass sich sehr genau steuern lässt, wie hoch die Konzentration der Fremdatome ist. Denn kleinste Konzentrationsunterschiede ändern das Verhalten einer solchen Synapse sehr stark. »Jetzt wissen wir genau, wann eine Synapse erregbar wird, darin besteht der Durchbruch«, erklärte Valov gegenüber Markt&Technik.

Weebit Nano, ein Startup aus Israel, setzt die Memristoren in erster Line für den Aufbau von Speicher-ICs ein. CEO Coby Hanoch geht davon aus, dass Weebit kommerzielle ReRAM-Speicher im Mai 2021 auf den Markt bringen wird. Doch arbeitet Weebit in Kooperation mit dem CEA-Leti auch daran, ein Spiking Neural Network auf Basis der ReRAMs zu entwickeln. Auf der ISSCC in diesem Jahr hat Weebit das „Spirit-Projekt“ demonstriert. »Wir setzen zwar für die unmittelbare Zukunft auf die Speicher, doch sehen wir etwas längerfristig sehr gute Chancen für SNNs auf Basis unserer Memristoren, zumal wir für ihren Aufbau keine exotischen Materialien einsetzen, sondern Siliziumdioxid. Damit sind wir CMOS-kompatibel und wettbewerbsfähig«, sagte Coby Hanoch.