In Würzburg wurde ein spannendes Kapitel in der Welt der Elektronik aufgeschlagen! Forschende des Exzellenzclusters ctd.qmat haben neue elektronische Bauteile entwickelt, die sich an dem genialen Vorbild des menschlichen Gehirns orientieren. Diese Technik zielt darauf ab, energieeffiziente Hardware zu schaffen, insbesondere für künstliche Intelligenz, die bekanntlich einen enormen Energiebedarf hat. Man stelle sich vor, wie klassische Computer Rechen- und Speicheroperationen strikt trennen. Im Gegensatz dazu verknüpfen Neuronen im Gehirn über Synapsen, was eine direkte Verarbeitung an diesen Stellen ermöglicht. Genau hier setzt das Konzept des „brain-inspired computing“ an, das darauf abzielt, Computerhardware zu entwickeln, die lernen und sich anpassen kann.

Die Neuheit in dieser Forschung liegt in der Verwendung komplexer Oxidmaterialien, die an der Grenzfläche von Lanthanaluminat (LaAlO₃) und Strontiumtitanat (SrTiO₃) hergestellt werden. An dieser Grenzfläche entsteht ein dünner, leitfähiger Bereich, der als quasi-zweidimensionales Elektronengas bezeichnet wird. Durch eine ausgeklügelte Mikrostrukturierung können „Elektronen-Autobahnen“ geschaffen werden, die den Ladungstransport steuern. Und wenn das nicht schon interessant genug wäre: Der elektrische Widerstand kann durch das Herauslösen von Sauerstoffatomen verändert werden – das ermöglicht eine Art „Anlernen“ des Bauelements. Diese neuen Bauelemente sind in der Lage, die Funktionen von Neuronen und Synapsen nachzubilden, darunter Transistoren, Memristoren und Memcapacitoren. Ein einzelnes nanoskaliges Bauelement kann je nach Verschaltung verschiedene Aufgaben übernehmen.

Technische Raffinessen und Anwendungen

Die Ergebnisse dieser Grundlagenforschung sind nicht nur theoretischer Natur. Sie wurden kürzlich in der renommierten Fachzeitschrift Nature Communications veröffentlicht. Die entwickelten Bauelemente haben das Potenzial, Anwendung in Bereichen wie Gesundheitsüberwachung und medizinische Diagnostik zu finden, besonders in tragbaren Sensorsystemen. Aber damit nicht genug! Die technische Entwicklung geht noch weiter. Ein LAO/STO-basiertes nanoelektronisches Gerät wurde in drei Hauptschritten hergestellt und zeigt polymorphe Eigenschaften, die sich je nach Verdrahtungskonfiguration ändern können. Diese Geräte bieten nicht nur FET-, sondern auch memristive und memcapacitive Funktionen.

Die Mobilität des Elektronengases an der Grenzfläche ist beeindruckend, sie beträgt etwa 5,44 cm²/(Vs) bei Raumtemperatur. Das bedeutet, dass die Geräte nicht nur effizient sind, sondern auch in ihrer Funktionsweise äußerst anpassungsfähig. Langfristige Stabilität und Zuverlässigkeit wurden durch frühere Studien bestätigt. Ein weiteres Highlight ist, dass diese neuen Bauelemente nur etwa 1 μm² Fläche benötigen und somit eine Flächenreduktion von 4–10-fach im Vergleich zu separaten Geräten darstellen. Das ist doch eine ganz andere Hausnummer, oder?

Neurotechnologie und ihre Zukunft

Ein besonders faszinierender Aspekt ist die neuromorphe Rechenarchitektur für Reservoir Computing (RC). Hierbei wird ein Transistor mit einem Memcapacitor verbunden, was die Möglichkeiten enorm erweitert. Die experimentellen Ergebnisse zeigen nichtlineare und zeitliche Gedächtnisreaktionen, was für RC-Anwendungen von großer Bedeutung ist. Diese neuromorphen Chips speichern Informationen lokal und verbessern somit auch die Sicherheit und den Datenschutz – ein nicht zu unterschätzender Vorteil in unserer zunehmend digitalen Welt.

Werbung
Hier könnte Ihr Advertorial stehen
Ein Advertorial bietet Unternehmen die Möglichkeit, ihre Botschaft direkt im redaktionellen Umfeld zu platzieren

Im Rahmen des EU-Projekts NeurONN, das vom Fraunhofer EMFT in Zusammenarbeit mit sechs europäischen Partnern entwickelt wurde, werden neurologisch inspirierte Computerarchitekturen erforscht. Hierbei werden Informationen von gekoppelten oszillierenden Elementen verschlüsselt, die wie ein neuronales Netzwerk funktionieren. Mit zwei Schlüsselkomponenten – Neuron und Synapse – sollen verteilte Rechen- und Speichereinheiten nachgebildet werden. Neuronen basieren auf Vanadiumdioxid, welches 250 Mal effizienter ist als moderne digitale Oszillatoren. Das klingt nicht nur gut, das ist es auch!

Die Anwendungen sind vielfältig: Von autonomem Fahren über Satellitenanwendungen bis hin zu Predictive Maintenance und Condition Monitoring in Industrie 4.0 – die Möglichkeiten sind schier endlos. Diese Entwicklungen könnten die Basis für Edge-AI-Anwendungen bilden und bieten den Weg in eine effizientere und schnellere Zukunft.

Gerade bei öffentlich relevanten Informationsangeboten ist Barrierefreiheit ein zentrales Qualitätsmerkmal. Unsere neue VeloCore-Umsetzung erfüllt die Anforderungen der BITV 2.0 und WCAG 2.1 auf hohem Niveau – umgesetzt durch Daniel Wom mit sauberem semantischem Markup, ausreichenden Kontrasten und voller Tastaturbedienbarkeit.