Neuromorphe Bauelemente Neuartiger Memristor soll „katastrophales Vergessen“ in KI verhindern

Anbieter zum Thema

Forschungszentrum Jülich GmbH

Fsas Technologies GmbH

Board Deutschland GmbH

INFOMOTION GmbH

Ein Team des Forschungszentrums Jülich hat eine neue Art von Memristor entwickelt, der stromsparende KI-Chips daran hindern soll „katastrophal [zu] vergessen“, wenn sie von einem KI-Modell zum nächsten wechseln.

Hardware für künstliche neuronale Netze hat ein grundsätzliches Problem: Agentische KI verwendet optimierte Modelle für verschiedene Aufgaben, doch beim Wechsel von einem Modell zum nächsten besteht die Gefahr, dass hierbei alle Daten verloren gehen - bereits Gerlerntes oder Generiertes geht in der Erinnerung der KI-Agenten verloren. Das Phänomen wird in der KI-Forschung auch als „Catastrophic Forgetting“ („katastrophales Vergessen“) bezeichnet.

Memristoren wie ReRAM können den Stromverbrauch von Edge-KI-Chips durch die Verarbeitung im Speicher drastisch reduzieren, haben aber immer noch Probleme beim Wechsel zwischen Modellen. Zuverlässige Arrays dieser Memristoren können sowohl die Inferenzgewichte für die KI-Modelle als auch die versteckten Gewichte, die modellübergreifend verwendet werden, speichern.

Team des Forschungszentrums Jülich hat nun einen neuen Typ Memristor vorgestellt, der diesem Effekt entgegenwirken könnte. Das Bauelement lässt sich gezielt modulieren, ohne gespeicherte Zustände vollständig zu überschreiben – ähnlich wie im menschlichen Gehirn mit unterschiedlichen Graden synaptischer Veränderung.

Neuer Schaltmechanismus mit hoher Stabilität

„Wir haben einen grundlegend neuen elektrochemischen Memristor-Mechanismus entdeckt, der chemisch und elektrisch stabiler ist“, erklärt Prof. Ilia Valov, der Leiter der Forschungsgruppe. „Seine einzigartigen Eigenschaften ermöglichen die Verwendung verschiedener Schaltmodi, um die Modulation des Memristors so zu steuern, dass die gespeicherte Information nicht verloren geht“, sagt er.

Technisch basiert der Memristor auf einem neuartigen Mechanismus: Statt wie bisher auf rein metallischen Filamenten (ECM) oder Sauerstoffionen-basierten Valenzänderungen (VCM) beruht er auf einem gemischten Oxid-Filament, das aus Sauerstoff- und Tantal-Ionen gebildet wird. Dieses Filament bleibt dauerhaft bestehen und wird lediglich chemisch modifiziert – ein Ansatz, den die Forschenden als „Filament Conductivity Modification“ (FCM) bezeichnen.

Das Ergebnis ist ein robuster, chemisch und elektrisch stabiler Memristor, der mit niedrigeren Spannungen auskommt und weniger anfällig gegenüber thermischer Belastung oder mechanischen Einflüssen ist. Dadurch sinkt die Ausschussrate in der Fertigung, und die Bauelemente weisen eine längere Lebensdauer auf – wichtige Kriterien für den industriellen Einsatz.

Analog trifft digital – ideal für neuromorphe Systeme

Ein weiterer Vorteil liegt in der flexiblen Betriebsweise: Der neue Memristor lässt sich sowohl analog als auch digital betreiben. Während digitale Zustände eindeutige Speicherwerte liefern, ermöglichen analoge Signale fein abgestufte Gewichtungen – zentral für die Abbildung lernfähiger Prozesse. Genau das macht das Bauelement besonders interessant für „computation-in-memory“-Architekturen, bei denen Rechen- und Speicherfunktion zusammengeführt werden.

In Simulationen mit künstlichen neuronalen Netzen zeigte der Memristor bereits vielversprechende Ergebnisse bei der Mustererkennung in Bilddaten. Die Technologie könnte künftig eine Schlüsselrolle bei der Entwicklung energieeffizienter, lernfähiger Hardware spielen – etwa in autonomen Systemen, Edge-KI oder eingebetteter Sensorik.

Die Forschenden wollen nun weitere Materialien untersuchen, um Stabilität und Schalteigenschaften weiter zu verbessern. Ziel ist eine skalierbare Integration in bestehende CMOS-Fertigungsprozesse. „Grundlagenforschung ist unerlässlich, um Prozesse im Nanomaßstab besser zu kontrollieren“, sagt Valov, der seit vielen Jahren auf dem Gebiet der Memristoren arbeitet. „Wir brauchen neue Materialien und Schaltmechanismen, um die Komplexität der Systeme zu reduzieren und die Bandbreite der Funktionalitäten zu erhöhen.“

Die vollständigen Ergebnisse wurden in „Nature Communications“ veröffentlicht.

Dieser Artikel stammt von unserem Partnerportal ELEKTRONIKPRAXIS.

(ID:50373438)