Anzeige
Anzeige
Fundstück

Analoges Deep Learning: MIT-Team entwickelt analoge Synapsen, die menschliches Gehirn übertreffen

Am MIT hat sich mit dem „analogen Deep Learning“ ein neuer Bereich der künstlichen Intelligenz etabliert. Der soll eines Tages deutlich höhere Rechenperformance bei deutlich geringerem Energieverbrauch ermöglichen.

2 Min.
Artikel merken
Anzeige
Anzeige
Das MIT forscht an einer KI-Hardware, die das menschliche Gehirn in den Schatten stellen wird. (Grafik: MIT, Ella Maru Studio, Murat Onen)

Am renommierten Massachusetts Institute of Technology (MIT) in Cambridge im US-Bundesstaat Massachusetts beschäftigt sich ein multidisziplinäres Team damit, eine Art von menschengemachten analogen Synapsen zu entwickeln. Dabei war es ihnen bereits gelungen, Synapsen mit einer Leistung herzustellen, die die der biologischen Synapsen im menschlichen Gehirn um den Faktor eine Million übertreffen konnte.

Anzeige
Anzeige

Synapsen aus Phosphorsilikatglas sind viel leistungsfähiger als unsere

Nun ist das Team einen Schritt weiter und stellt eine neue Version dieser Synapsen vor, die wiederum eine Million Mal schneller läuft als die vorherige Version. Für die Schaffung der Analog-Synapsen setzen die Forschenden ein anorganisches Material, das sogenannte Phosphorsilikatglas (PSG), ein.

Daraus stellen sie programmierbare Widerstände her, die sich am ehesten mit den heutigen Transistoren zum Bau von Prozessoren vergleichen lassen. So wollen sie Bausteine für einen spezialisierten analogen Prozessor schaffen, der auf die KI-Disziplin des Deep Learning spezialisiert ist.

Anzeige
Anzeige

„Durch die Wiederholung von Anordnungen programmierbarer Widerstände in komplexen Schichten können die Forscher ein Netzwerk aus analogen künstlichen ‚Neuronen‘ und ‚Synapsen‘ schaffen, das Berechnungen wie ein digitales neuronales Netzwerk ausführt. Dieses Netzwerk kann dann trainiert werden, um komplexe KI-Aufgaben wie Bilderkennung und natürliche Sprachverarbeitung zu bewältigen“, heißt es in einem auf der MIT-Website veröffentlichten Bericht.

Funktionsprinzip des menschlichen Gehirns nachgeahmt

Im menschlichen Gehirn erfolgt das Lernen durch die Verstärkung und Schwächung von Verbindungen zwischen Neuronen, die auch als Synapsen bezeichnet werden. Ein tiefes neuronales Netz verwendet ebenfalls diesen Ansatz, allerdings durch die künstliche Schwächung und Stärkung der Verbindungen im Rahmen des KI-Trainings.

Anzeige
Anzeige

Der in Arbeit befindliche analoge Prozessor soll im Wesentlichen auf diesem Design basieren, dabei aber durch die Erhöhung und Verringerung der elektrischen Leitfähigkeit der Widerstände analoges maschinelles Lernen ermöglichen. Entscheidend dabei sei, dass das anorganische Material den Widerstand extrem energieeffizient mache und dabei gleichzeitig außerordentlich bruchsicher bei hoher Spannung sei, so das MIT.

Industrielle Fertigung vorgesehen

Zudem arbeiten die Forschenden daran, die analogen Synapsen mit heute gängigen Silizium-Herstellungstechniken zu bauen, was die Preise für die Analog-Prozessoren nach unten drücken soll. Der eigentliche Vorteil liegt aber in den im Vergleich zu menschlichem Material deutlich geringeren Widerständen.

Anzeige
Anzeige

Wissenschaftlich formuliert klingt das so:

„Die Widerstände für analoges Deep Learning sind 1.000-mal kleiner als jene in biologischen Zellen. Daher kann die Raum-Zeit-Energie-Leistung der künstlichen Synapsen im Festkörperzustand die ihrer biologischen Gegenstücke bei weitem übertreffen.”

Mehr zu diesem Thema
Fast fertig!

Bitte klicke auf den Link in der Bestätigungsmail, um deine Anmeldung abzuschließen.

Du willst noch weitere Infos zum Newsletter? Jetzt mehr erfahren

Anzeige
Anzeige
Kommentare

Community-Richtlinien

Bitte schalte deinen Adblocker für t3n.de aus!
Hallo und herzlich willkommen bei t3n!

Bitte schalte deinen Adblocker für t3n.de aus, um diesen Artikel zu lesen.

Wir sind ein unabhängiger Publisher mit einem Team von mehr als 75 fantastischen Menschen, aber ohne riesigen Konzern im Rücken. Banner und ähnliche Werbemittel sind für unsere Finanzierung sehr wichtig.

Schon jetzt und im Namen der gesamten t3n-Crew: vielen Dank für deine Unterstützung! 🙌

Deine t3n-Crew

Anleitung zur Deaktivierung
Artikel merken

Bitte melde dich an, um diesen Artikel in deiner persönlichen Merkliste auf t3n zu speichern.

Jetzt registrieren und merken

Du hast schon einen t3n-Account? Hier anmelden

oder
Auf Mastodon teilen

Gib die URL deiner Mastodon-Instanz ein, um den Artikel zu teilen.

Community-Richtlinien

Wir freuen uns über kontroverse Diskussionen, die gerne auch mal hitzig geführt werden dürfen. Beleidigende, grob anstößige, rassistische und strafrechtlich relevante Äußerungen und Beiträge tolerieren wir nicht. Bitte achte darauf, dass du keine Texte veröffentlichst, für die du keine ausdrückliche Erlaubnis des Urhebers hast. Ebenfalls nicht erlaubt ist der Missbrauch der Webangebote unter t3n.de als Werbeplattform. Die Nennung von Produktnamen, Herstellern, Dienstleistern und Websites ist nur dann zulässig, wenn damit nicht vorrangig der Zweck der Werbung verfolgt wird. Wir behalten uns vor, Beiträge, die diese Regeln verletzen, zu löschen und Accounts zeitweilig oder auf Dauer zu sperren.

Trotz all dieser notwendigen Regeln: Diskutiere kontrovers, sage anderen deine Meinung, trage mit weiterführenden Informationen zum Wissensaustausch bei, aber bleibe dabei fair und respektiere die Meinung anderer. Wir wünschen Dir viel Spaß mit den Webangeboten von t3n und freuen uns auf spannende Beiträge.

Dein t3n-Team

Kommentar abgeben

Melde dich an, um Kommentare schreiben und mit anderen Leser:innen und unseren Autor:innen diskutieren zu können.

Anmelden und kommentieren

Du hast noch keinen t3n-Account? Hier registrieren

Anzeige
Anzeige