Forscher der USC Viterbi School of Engineering und School of Advanced Computing haben künstliche Neuronen entwickelt, die die komplexen elektrochemischen Prozesse biologischer Gehirnzellen mit hoher Genauigkeit nachahmen. Diese neuartigen Neuronen basieren auf einem diffusiven Memristor, der zusammen mit einem Widerstand und einem Transistor aufgebaut ist und nur einen Flächenbedarf von etwa 4 μm² pro Neuron besitzt – vergleichbar mit einem einzigen Transistor. Die Technologie, die in der Fachzeitschrift Nature Electronics vorgestellt wurde, stellt einen bedeutenden Fortschritt im Bereich der neuromorphen Computing-Systeme dar. Im Gegensatz zu herkömmlichen digitalen Prozessoren oder bestehenden neuromorphen Chips, die nur die Aktivität von Neuronen simulieren, physikalisch nachbilden diese künstlichen Neuronen die analogen Dynamiken des menschlichen Gehirns. Sie nutzen die Bewegung von Ionen – im Fall der Studie Silberionen in einem Oxidmaterial – anstelle von Elektronen, um Rechenoperationen durchzuführen, wodurch sie dem biologischen Vorbild viel näherkommen. Die Innovation ermöglicht eine drastische Reduktion der Chip-Größe und des Energieverbrauchs um mehrere Größenordnungen. Gegenüber heutigen Systemen, die für künstliche Intelligenz (KI) extrem energieintensiv sind – beispielsweise Supercomputer, die bei der Ausführung großer Lernmodelle Megawatt verbrauchen – arbeitet das menschliche Gehirn mit nur etwa 20 Watt. Dieser Effizienzvorteil resultiert aus der Tatsache, dass das Gehirn lernendes Wissen nicht softwarebasiert, sondern hardwarebasiert durch Ionenbewegung über Zellmembranen speichert. Die neuen künstlichen Neuronen folgen diesem Prinzip, wodurch sie lernfähig, anpassungsfähig und energieeffizient sind. Ein Kind erkennt beispielsweise Handschriften nach wenigen Beispielen, während KI-Modelle Tausende von Beispielen benötigen – und das mit viel höherem Energieaufwand. Die Arbeit wird von Professor Joshua Yang, Leiter des Centers of Excellence on Neuromorphic Computing an der USC, geleitet. Er hatte bereits vor über zehn Jahren mit der Entwicklung künstlicher Synapsen Pionierarbeit geleistet. In der aktuellen Studie wird gezeigt, dass der diffusive Memristor – benannt nach der Ionen-Diffusion – die physikalischen Mechanismen des biologischen Neurons mit hoher Treue nachahmt. Silberionen werden als Ionenquelle verwendet, da sie sich leicht diffundieren lassen und die notwendigen dynamischen Effekte erzeugen, die für die Neuronenfunktion erforderlich sind. Obwohl Silber nicht direkt in herkömmliche Halbleiterfertigungsprozesse integriert werden kann, eröffnet die Technologie den Weg zu alternativen, kompatiblen Ionenmaterialien. Die neue Architektur könnte die Grundlage für zukünftige Chips bilden, die nicht nur effizienter, sondern auch leistungsfähiger in der Mustererkennung, Planung und Anpassung sind. Die langfristige Vision ist die Entwicklung von künstlicher allgemeiner Intelligenz (AGI), die sich nicht nur auf schnelle Berechnungen, sondern auf adaptive, energiearme und biologisch inspirierte Prozesse stützt. „Wir sind jetzt in der Lage, die Bausteine zu schaffen, die die Gehirnähnlichkeit in Hardware ermöglichen“, sagt Yang. „Der nächste Schritt ist die Integration großer Neuronen- und Synapsen-Arrays, um die Effizienz und Leistungsfähigkeit des Gehirns nachzuahmen.“ Experten sehen in der Technologie einen entscheidenden Schritt hin zu nachhaltiger KI. „Diese Arbeit zeigt, dass wir endlich die physikalische Grundlage für ein echtes, lernendes System schaffen können, das nicht nur schneller, sondern auch intelligenter und effizienter ist“, kommentiert ein Experte für neuromorphen Computing. Die Entwicklung könnte nicht nur die KI-Industrie revolutionieren, sondern auch neue Erkenntnisse über die Funktionsweise des menschlichen Gehirns liefern.