CMOS-kompatible ReRAMs Doping für neuronale Netze

ReRAMs gelten als mögliche Kandidaten für nichtflüchtige Speicher, die einmal die Flash-Typen ablösen könnten. Der Aufstieg der KI hat den ReRAMs zusätzlich Schub gegeben.

Denn auf Basis von ReRAM-Techniken lassen sich nicht nur nichtflüchtige Speicher und neue Speicherarchitekturen realisieren, die sehr gut zu KI-Aufgaben passen, auch die Memristoren selber ähneln in ihrer Funktion den biologischen Vorbildern – Synapsen und Neuronen – sehr viel mehr als auf herkömmlichen Transistoren beruhende Prozessoren. Hier müssen die neuronalen Netze auf eine Hardware-Struktur abgebildet werden, die ursprünglich für diese Aufgabe nicht vorgesehen war. Die Folge: KI-Prozessoren nehmen eine große Fläche ein und fressen viel Energie. Was sie insbesondere für den Einsatz in Edge-Geräten ungeeignet macht.

Einen Durchbruch auf diesem Gebiet wollen Wissenschaftler vom Forschungszentrum Jülich nun erzielt haben. Ihr Ziel: „Echte“ neuromorphe Prozessoren mit Hilfe von Memristoren aus Nanodrähten aufzubauen. Der Widerstandwert dieser Bauelemente ist vom Strom abhängig, der durch sie fließt. Den zuletzt eingestellten Wert behalten sie bei, verhalten sich also in dieser Hinsicht wie nichtflüchtige Speicher. »Der Memristor verhält sich also so ähnlich wie ein Neuron bzw. eine Synapse. Deshalb kann man auf dieser Basis neuronale Netze direkt verwirklichen, sie müssen nicht mehr emuliert werden. Das spart enorm Energie und Platz ein«, sagt Dr. Ilia Valov vom Forschungszentrum Jülich im Interview mit Markt&Technik (das Interview in voller Länge lesen Sie in der kommenden Ausgabe der Markt&Technik).

Dem biologischen Vorbild sehr viel näher als heutige Prozessoren will auch die Firma BrainChip kommen. Statt auf die heute verbreiteten Convolutional Neural Networks setzt BrainChip auf Prozessoren auf Basis von Spiking Neural Networks (SNN). »Doch herkömmliche CNN-Prozessoren mit ihren aufwändigen mathematischen Berechnungen sind meilenweit vom biologischen Vorbild entfernt, nehmen sehr viel Energie auf – und sie müssen zeit- und kostenintensiv angelernt werden«, sagte Peter AJ van der Made, Gründer und CTO von BrainChip, kürzlich im Interview mit Markt&Technik. Weil die SNNs dem biologischen Vorbild – obwohl auf Prozessoren mit digitalen Transistoren abgebildet – schon nahe kommen, spricht Lou DiNardo bereits von echtem Neuromorphic Computing.

Angesprochen auf den Einsatz von Memristoren, zeigte sich van der Made allerdings gegenüber Markt&Technik skeptisch: Sie erforderten meist schwer in einen CMOS-Prozess zu integrierende Nicht-Standard-Verfahren, das sei zu teuer und zu unzuverlässig, weshalb für BrainChip niemals etwas anderes als CMOS für die Fertigung der Prozessoren infrage käme.

Genau das sei laut Valov einer der größten Vorteile der neuen ReRAM-Technik: Weil sich die für die Fertigung der Memristoren erforderlichen Materialien gut in den CMOS-Prozess integrieren ließen, könnten die ICs auf Basis von Memristoren ohne Weiteres in bestehende Standard-CMOS-Fertigungslinien integriert werden – eine Grundvoraussetzung für den wirtschaftlichen Einsatz. Das Geheimnis: Sie arbeiten mithilfe von Nanodrähten aus Zinkoxid.

Mit diesen Memristoren bzw. memresistiven Zellen auf Basis von Nanodrähten aus Zinkoxid glaubt Dr. Ilia Valov nun dem Neuromorphic Computing noch näher gekommen zu sein, ja erst die Voraussetzung dafür geschaffen zu haben: »Nur auf ihrer Basis lässt sich KI energie- und kosteneffizient auch in die Edge-Geräte bringen, erst jetzt kann neuromorphes Computing realisiert werden.« Genauso sieht das auch Prof Manan Suri. »ReRAMs haben ein großes Potenzial, die künftige KI-Hardware zu bilden«, sagt der bereits mit mehreren renommierten Preisen ausgezeichnete Leiter der Non-Volatile Memory Research Group des Indian Institute of Technology Delhi (IITD).