Neuer Durchbruch: energieeffizientes, gehirn-inspiriertes Computing mit 2D-Materialien revolutioniert die Computerlandschaft

BerlinComputer leisten heutzutage beeindruckende Arbeit bei der Datenverarbeitung und -vorhersage. Doch das menschliche Gehirn benötigt deutlich weniger Energie. Selbst die modernsten Computer verbrauchen etwa 10.000 Mal mehr Energie, um Aufgaben wie die Bildverarbeitung zu bewältigen.

Die Reduzierung des Energieverbrauchs von Computern ist von großer Bedeutung. Elektronische Geräte in Computern sind weltweit die vierthöchsten Energieverbraucher, und durch Anwendungen in der Künstlichen Intelligenz steigt ihr Bedarf weiter an. Diese Energieverschwendung fördert zudem die globale Erwärmung. Daher ist die Entwicklung energieeffizienter Computertechnologien dringend erforderlich.

Neuromorphes Computing ahmt die Funktionsweise des menschlichen Gehirns nach, indem es Neuronen nutzt, die Informationen gleichzeitig und energieeffizient verarbeiten. Diese Methode kann den Energiebedarf für Computeranwendungen reduzieren. Forscher von der UC Santa Barbara, Intel Labs und anderen Institutionen veröffentlichten eine Studie in Nature Communications über eine neue neuromorphe Computerplattform. Dabei kamen spezielle Transistoren aus 2D-Materialien, sogenannte Übergangsmetalldichalkogenide, zum Einsatz, die den Energieverbrauch auf ein Niveau ähnlich dem des menschlichen Gehirns senken könnten.

Diese neue Plattform besticht durch benutzerfreundliche Funktionen, ein klares Design, hohe Geschwindigkeit und starke Sicherheitsvorkehrungen.

• Verwendet 2D-TMD-basierte TFETs
• Niedrigere Ausschaltströme
• Niedrige Subschwellensteilheit (SS)
• Potenzial für erhebliche Energieeffizienz

Neuromorphes Computing ist schon seit einiger Zeit ein Thema und erlangt zunehmend Aufmerksamkeit. Durch Fortschritte in der Schaltungstechnik ist es nun möglich, kleinere und dichter gepackte Transistoren zu entwickeln. Dies ermöglicht uns, mehr Verarbeitungsleistung zu erreichen und zusätzliche Funktionen zu integrieren, während wir gleichzeitig weniger Energie verbrauchen.

Lesen Sie auch:

Heute · 03:33

KI übertrifft Menschen bei der Gehirntumor-Diagnose

Forscher entwickeln neue 2D-Tunneltransistoren, die bei niedrigen Spannungen gut funktionieren. Diese kleinen Transistoren verbrauchen weniger Energie und schalten schnell. Sie ahmen die effiziente Arbeitsweise des Gehirns nach. Neuromorphe Computerarchitekturen nutzen Schaltkreise, die nur bei Bedarf aktiviert werden, im Gegensatz zu herkömmlichen Computern, die kontinuierlich Strom verbrauchen.

Traditionelle Computer basieren auf der von Neumann Architektur, bei der Daten schrittweise verarbeitet werden und Speicher- sowie Verarbeitungseinheiten getrennt sind. Im Gegensatz dazu verarbeiten neuromorphe Computer Daten nur, wenn es einen Eingang gibt, und deren Speicher sowie Verarbeitung sind über viele Transistoren verteilt. Unternehmen wie Intel und IBM haben hirnähnliche Plattformen entwickelt, die aus Milliarden von miteinander verbundenen Transistoren bestehen und viel Energie sparen, doch es gibt noch Verbesserungspotenzial.

Die meiste Energieverluste in aktuellen NM-Chips entstehen durch Leckströme. Diese kleinen Strommengen fließen selbst dann, wenn der Stromkreis ausgeschaltet ist. Aktuelle NM-Chips verwenden MOSFETs, die im ausgeschalteten Zustand hohe Leckströme aufweisen. Die neue Methode verwendet TFETs, welche im ausgeschalteten Zustand deutlich geringere Leckströme haben. Dadurch wird der Energieverbrauch wesentlich effizienter.

In neuromorphen Schaltungen verbrauchen TFETs weniger Energie als die neuesten MOSFETs. Insbesondere übertreffen sie FinFETs, eine MOSFET-Variante mit vertikalen Strukturen zur verbesserten Schaltleistung. Obwohl sich TFETs noch in der Forschung befinden, zeigt ihre Leistung vielversprechende Aussichten für zukünftige gehirninspirierte Computersysteme.

Forscher glauben, dass diese neue Plattform weniger Energie benötigt und ähnlich effizient wie das menschliche Gehirn ist. Sie berücksichtigt allerdings nicht den Energieverbrauch für Schnittstellenschaltungen und Speicher. Zukünftige dreidimensionale Versionen dieser Schaltungen könnten noch effizienter arbeiten und die Leistung weiter steigern. Im Vergleich zur aktuellen Technologie stellt diese Plattform einen großen Fortschritt dar.