Forum für Wissenschaft, Industrie und Wirtschaft

Hauptsponsoren:     3M 
Datenbankrecherche:

 

Bauplan für das künstliche Gehirn

20.02.2013
Seit Jahrzehnten träumen Wissenschaftler davon, Computer zu bauen, die arbeiten wie ein Gehirn. Denn ein Gehirn ist weitaus energiesparender als ein Computer, es ist von sich aus lernfähig und bedarf keiner Programmierung.

Privatdozent Dr. Andy Thomas von der Fakultät für Physik der Universität Bielefeld experimentiert mit Memristoren – elektronische Mikrobauteile, die natürliche Nerven imitieren. Den Beweis dafür lieferten Thomas und seine Kollegen vor einem Jahr: Sie bauten einen lernfähigen Memristor. Jetzt nutzt Andy Thomas seine Memristoren als Schlüsselteile für den Bauplan eines künstlichen Gehirns.

Seine Ergebnisse stellt er Anfang März in der Printausgabe der renommierten Fachzeitschrift „Journal of Physics“ vor, das vom Institute of Physics in London veröffentlicht wird.

Memristoren bestehen aus feinen Nanoschichten und können genutzt werden, um Stromleitungen zu verbinden. Der Memristor gilt seit einigen Jahren als der elektronische Zwilling der Synapse. Synapsen sind gewissermaßen die Brücken, über die Nervenzellen (Neuronen) miteinander in Kontakt treten. Ihre Verbindung wird stärker, je öfter sie beansprucht wird. Eine Nervenzelle ist über tausende Synapsen gewöhnlich mit weiteren Nervenzellen verbunden.

Memristoren lernen wie Synapsen durch frühere Impulse. In ihrem Fall sind es Stromimpulse, die (bislang) nicht von Nervenzellen kommen, sondern von den angeschlossenen Stromleitungen. Wie viel Strom Memristoren durchlassen, das hängt davon ab, wie stark der Strom war, der in der Vergangenheit durch sie geflossen ist und wie lange dieser Strom auf sie eingewirkt hat.

Andy Thomas erklärt, dass Memristoren sich wegen ihrer Ähnlichkeit zu Synapsen besonders eignen, um mit ihnen ein künstliches Gehirn – eine neue Generation von Computern – zu bauen. „Sie erlauben den Bau von äußerst stromsparenden und robusten Prozessoren, die von sich aus lernfähig sind“. Auf Basis eigener Experimente und der Forschungsergebnisse aus Biologie und Physik hat er in seinem Artikel erstmals zusammengestellt, welche Gesetzmäßigkeiten aus der Natur auf technische Systeme übertragen werden müssen, damit ein solcher neuromorpher (nervenähnlicher) Computer funktioniert. Zu diesen Gesetzmäßigkeiten gehört, dass Memristoren sich wie Synapsen frühere Impulse „merken“ und dass Neuronen erst dann auf einen Impuls reagieren, wenn er einen bestimmten Schwellenwert überschreitet.

Dank dieser Eigenschaften lasse sich mit Synapsen der Prozess des Gehirns nachbauen, der für das Lernen zuständig ist, sagt Andy Thomas. Als Beispiel nennt er das klassische psychologische Experiment zum Pawlowschen Hund. Es zeigt, dass man die natürliche Reaktion auf einen triebhaften Reiz mit einem zunächst neutralen Reiz verbinden kann – so entsteht Lernen. Sieht ein Hund Futter, reagiert er mit Speichelfluss. Hört der Hund jedes Mal, wenn er das Futter sieht, einen Glockenton, verbinden sich der triebhafte und der neutrale Reiz. In der Folge fließt der Speichel auch dann, wenn der Hund nur den Glockenton hört und kein Futter in Sicht ist. Der Grund: Im Gehirn ist die Nervenzelle, die den triebhaften Reiz transportiert, über eine Synapse stark verbunden mit der Nervenzelle, die die Reaktion auslöst.

Wenn jetzt zeitgleich zum Futterreiz der neutrale Glockenreiz hinzukommt, lernt der Hund. Der Prüfmechanismus im Gehirn geht nun davon aus, dass die Nervenzelle mit dem neutralen Reiz (Glockenton) mitverantwortlich ist für die Reaktion – die Verbindung zwischen der eigentlich „neutralen“ Nervenzelle und der „Speichelfluss“-Nervenzelle wird ebenfalls stärker. Diese Verbindung lässt sich trainieren: Indem man wiederholt den triebhaften mit dem neutralen Reiz zusammenbringt. „Ein solcher Schaltkreis lässt sich ebenfalls mit Memristoren bauen – das ist ein erster Schritt zum neuromorphen Prozessor“, sagt Andy Thomas.

„Dies alles ist möglich, weil ein Memristor einzelne Informationen präziser speichern kann als ein Bit, auf dem bisher Computerprozessoren basieren“, so Thomas. Sowohl Memristor als auch ein Bit arbeiten mit elektrischen Impulsen. Doch das Bit lässt dabei keine feine Abstufung zu – es beherrscht nur „an“ oder „aus“. Der Widerstand des Memristors kann hingegen kontinuierlich steigen oder sinken. „Dadurch liefern Memristoren eine Grundlage zum allmählichen Lernen und Vergessen eines künstlichen Gehirns“, erklärt Thomas.

Originalveröffentlichung:
Andy Thomas, „Memristor-based neural networks”, Journal of Physics D: Applied Physics, http://dx.doi.org/10.1088/0022-3727/46/9/093001, online erschienen am 5. Februar 2013, erscheint gedruckt am 6. März 2013.
Kontakt:
Dr. Andy Thomas, Universität Bielefeld
Fakultät für Physik
Telefon: 0521 106-2540
E-Mail: andy.thomas@uni-bielefeld.de

Jörg Heeren | idw
Weitere Informationen:
http://www.spinelectronics.de/
http://www.uni-bielefeld.de

Weitere Berichte zu: Bauplan Gesetzmäßigkeiten Glockenton Nervenzelle Neuron Physik Prozessor Stromleitung Synapse

Weitere Nachrichten aus der Kategorie Interdisziplinäre Forschung:

nachricht Neues Verbundprojekt erforscht die neurodegenerative Erkrankung Morbus Alzheimer
12.09.2017 | Universitätsklinikum Würzburg

nachricht Damit sich Mensch und Maschine besser verstehen
04.09.2017 | Technische Universität Chemnitz

Alle Nachrichten aus der Kategorie: Interdisziplinäre Forschung >>>

Die aktuellsten Pressemeldungen zum Suchbegriff Innovation >>>

Die letzten 5 Focus-News des innovations-reports im Überblick:

Im Focus: Hochpräzise Verschaltung in der Hirnrinde

Es ist noch immer weitgehend unbekannt, wie die komplexen neuronalen Netzwerke im Gehirn aufgebaut sind. Insbesondere in der Hirnrinde der Säugetiere, wo Sehen, Denken und Orientierung berechnet werden, sind die Regeln, nach denen die Nervenzellen miteinander verschaltet sind, nur unzureichend erforscht. Wissenschaftler um Moritz Helmstaedter vom Max-Planck-Institut für Hirnforschung in Frankfurt am Main und Helene Schmidt vom Bernstein-Zentrum der Humboldt-Universität in Berlin haben nun in dem Teil der Großhirnrinde, der für die räumliche Orientierung zuständig ist, ein überraschend präzises Verschaltungsmuster der Nervenzellen entdeckt.

Wie die Forscher in Nature berichten (Schmidt et al., 2017. Axonal synapse sorting in medial entorhinal cortex, DOI: 10.1038/nature24005), haben die...

Im Focus: Highly precise wiring in the Cerebral Cortex

Our brains house extremely complex neuronal circuits, whose detailed structures are still largely unknown. This is especially true for the so-called cerebral cortex of mammals, where among other things vision, thoughts or spatial orientation are being computed. Here the rules by which nerve cells are connected to each other are only partly understood. A team of scientists around Moritz Helmstaedter at the Frankfiurt Max Planck Institute for Brain Research and Helene Schmidt (Humboldt University in Berlin) have now discovered a surprisingly precise nerve cell connectivity pattern in the part of the cerebral cortex that is responsible for orienting the individual animal or human in space.

The researchers report online in Nature (Schmidt et al., 2017. Axonal synapse sorting in medial entorhinal cortex, DOI: 10.1038/nature24005) that synapses in...

Im Focus: Tiny lasers from a gallery of whispers

New technique promises tunable laser devices

Whispering gallery mode (WGM) resonators are used to make tiny micro-lasers, sensors, switches, routers and other devices. These tiny structures rely on a...

Im Focus: Wundermaterial Graphen: Gewölbt wie das Polster eines Chesterfield-Sofas

Graphen besitzt extreme Eigenschaften und ist vielseitig verwendbar. Mit einem Trick lassen sich sogar die Spins im Graphen kontrollieren. Dies gelang einem HZB-Team schon vor einiger Zeit: Die Physiker haben dafür eine Lage Graphen auf einem Nickelsubstrat aufgebracht und Goldatome dazwischen eingeschleust. Im Fachblatt 2D Materials zeigen sie nun, warum dies sich derartig stark auf die Spins auswirkt. Graphen kommt so auch als Material für künftige Informationstechnologien infrage, die auf der Verarbeitung von Spins als Informationseinheiten basieren.

Graphen ist wohl die exotischste Form von Kohlenstoff: Alle Atome sind untereinander nur in der Ebene verbunden und bilden ein Netz mit sechseckigen Maschen,...

Im Focus: Hochautomatisiertes Fahren bei Schnee und Regen: Robuste Warnehmung dank intelligentem Sensormix

Schlechte Sichtverhältnisse bei Regen oder Schnellfall sind für Menschen und hochautomatisierte Fahrzeuge eine große Herausforderung. Im europäischen Projekt RobustSENSE haben die Forscher von Fraunhofer FOKUS mit 14 Partnern, darunter die Daimler AG und die Robert Bosch GmbH, in den vergangenen zwei Jahren eine Softwareplattform entwickelt, auf der verschiedene Sensordaten von Kamera, Laser, Radar und weitere Informationen wie Wetterdaten kombiniert werden. Ziel ist, eine robuste und zuverlässige Wahrnehmung der Straßensituation unabhängig von der Komplexität und der Sichtverhältnisse zu gewährleisten. Nach der virtuellen Erprobung des Systems erfolgt nun der Praxistest, unter anderem auf dem Berliner Testfeld für hochautomatisiertes Fahren.

Starker Schneefall, ein Ball rollt auf die Fahrbahn: Selbst ein Mensch kann mitunter nicht schnell genug erkennen, ob dies ein gefährlicher Gegenstand oder...

Alle Focus-News des Innovations-reports >>>

Anzeige

Anzeige

IHR
JOB & KARRIERE
SERVICE
im innovations-report
in Kooperation mit academics
Veranstaltungen

Die Erde und ihre Bestandteile im Fokus

21.09.2017 | Veranstaltungen

23. Baltic Sea Forum am 11. und 12. Oktober nimmt Wirtschaftspartner Finnland in den Fokus

21.09.2017 | Veranstaltungen

6. Stralsunder IT-Sicherheitskonferenz im Zeichen von Smart Home

21.09.2017 | Veranstaltungen

 
VideoLinks
B2B-VideoLinks
Weitere VideoLinks >>>
Aktuelle Beiträge

OLED auf hauchdünnem Edelstahl

21.09.2017 | Messenachrichten

Weniger (Flug-)Lärm dank Mathematik

21.09.2017 | Physik Astronomie

In Zeiten des Klimawandels: Was die Farbe eines Sees über seinen Zustand verrät

21.09.2017 | Geowissenschaften