Künstliche Zelle verbessert Computernetzwerke

Forscher haben künstliche Neuronen geschaffen, die als grundlegende Bausteine für artifizielle neuronale Netzwerke dienen könnten. Verglichen mit früheren Designs, ist das neue Neuron energieeffizienter, robuster gegenüber thermalen Einwirkungen und reaktionsschneller. Das sogenannte „Straintronic Spin Neuron“ wurde von Forschern der Universität Richmond http://richmond.edu  entwickelt.

Vermenschlichte Computer lernen besser

„Die meisten Computer sind digital und verwenden dazu dementsprechende logische Verfahren“, meint Supriyo Bandyopadhyay, einer der Forschungsleiter. „Jedoch gibt es bestimmte Aufgaben, die ein Computer viel besser durch ein neuromorphes System bewerkstelligen könnte. Solch ein System basiert darauf, wie ein menschliches Gehirn Informationen wahrnimmt und verarbeitet. Die Entwicklung solcher Systeme wurde jedoch bislang von der Notwendigkeit aufwendiger und energiefressender Transistoren und elektronischer Apparaturen für die Implementierung künstlicher Neuronen gebremst.“

„Glücklicherweise gibt es andere Wege, Neuronen zu implementieren, wie zum Beispiel magnetische Geräte“, meint der Forscher weiter. Und so basiert das neue Neuron auf Magnettunnelknotenpunkten. Ein piezoelektrischer Film versorgt die Nervenzelle mit elektrischer Spannung.

„Die außergewöhnliche Energieeffizienz in diesem Neuron erreichen wir aufgrund der niedrigen Spannung, die durch den neuen Aufbau nötig ist. Zusätzlich zu der Energieeffizienz ist das Neuron viel widerstandsfähiger gegenüber thermischen Veränderungen als derzeit verwendete Neuronen.“

Großes Anwendungspotential

Mit diesen Eigenschaften können die Neuronen für zahlreiche Anwendungen verwendet werden, etwa für das Hebbsche Lernen. Wenn also ein Neuron A ein Neuron B erregt und wiederholt und dauerhaft zur Erzeugung von Aktionspotentialen in Zelle B beiträgt, so resultiert dies in Wachstumsprozessen oder metabolischen Veränderungen in einer oder in beiden Zellen, die bewirken, dass die Effizienz von Zelle A in Bezug auf die Erzeugung eines Aktionspotentials in B größer wird. Eine weitere mögliche Anwendung sehen die Forscher in der Zeichenerkennung.