Nano Banana
Kurzfassung
▾
Quellen
▾
Forscher der University of Cambridge haben neuartige Memristoren aus Hafniumoxid entwickelt.
Die neuromorphen Bauteile verarbeiten Informationen direkt im Speicher und imitieren damit die Funktionsweise des menschlichen Gehirns.
Durch asymmetrische p-n-Heterointerfaces sinken die Schaltströme um das Millionenfache, was den Energiebedarf der Hardware um bis zu 70 Prozent reduzieren kann.
Science Advances – HfO2-based memristive synapses with asymmetrically extended p-n heterointerfaces for highly energy-efficient neuromorphic hardware
Forscher der University of Cambridge haben einen neuartigen KI-Chip auf Basis von Hafniumoxid entwickelt. Die neuromorphen Bauteile verarbeiten Informationen direkt am Speicherort. Sie imitieren das menschliche Gehirn und senken den Energiebedarf drastisch. Limitierungen aktueller Hardware Die physische Skalierung komplexer KI-Modelle scheitert zunehmend am hohen Strombedarf herkömmlicher Computerchips. Bei klassischen Architekturen müssen Daten kontinuierlich zwischen dem Prozessor und dem Arbeitsspeicher transferiert werden. Dieser ständige Austausch erzeugt nicht nur Latenzen, sondern vor allem immense Reibungsverluste. Um dieses Nadelöhr zu umgehen, forscht die Halbleiterindustrie intensiv an neuromorphen Systemen. Bisherige Memristoren stützen sich meist auf die Bildung winziger leitfähiger Filamente innerhalb eines Metalloxids. Dieser Ansatz ist jedoch oft instabil, da die Filamente unvorhersehbar wachsen und hohe elektrische Spannungen erfordern. Anzeige Hafniumoxid als neuer Speicheransatz Das Team um den Wissenschaftler Babak Bakhit nutzt für seine Architektur neuartige Memristoren aus Hafniumoxid. Durch asymmetrisch erweiterte p-n-Heterointerfaces modulieren die Bauteile ihre Leitfähigkeit auf einem extrem niedrigen Energieniveau. Die Steuerung der Energiebarriere erfolgt dabei über eine präzise elektroionische Ladungsmigration. Das System speichert und verarbeitet die Daten in ein und derselben physischen Einheit. Diese lokale Informationsverarbeitung orientiert sich direkt an der Funktionsweise neuronaler Synapsen. Effizienzsprung und Industriestandards Mit dem veränderten Design erzielen die Wissenschaftler Schaltströme, die rund eine Million Mal niedriger liegen als bei konventionellen oxidbasierten Komponenten. Berechnungen zufolge lässt sich der gesamte Energieverbrauch der Hardware dadurch um bis zu 70 Prozent reduzieren. Für eine breite kommerzielle Nutzung stehen noch finale Optimierungen an. Aktuell fokussiert sich das Forschungsteam darauf, die thermischen Voraussetzungen der Bauteile zu verbessern. Sobald die Betriebstemperaturen sinken, lassen sich die sparsamen Memristoren nahtlos in aktuelle Industriestandards und bestehende Chipdesigns integrieren.
