Algorithmen des maschinellen Lernens sind vom Gehirn inspiriert und werden in der Erkennung von Mustern eingesetzt. Das Gehirn ist bei der Ausführung kognitiver Aufgaben effizienter als Computer. Durch Nachahmung der Funktion von Synapsen und Neuronen im Gehirn lassen sich effizientere und umweltfreundlichere elektronische Geräte entwickeln. Die derzeitigen Algorithmen des maschinellen Lernens sind jedoch noch auf herkömmliche Computerhardware angewiesen.
Im Gegensatz zu herkömmlichen Computerchips, die auf getrennte Komponenten für Speicher und Verarbeitung angewiesen sind, sieht das Projekt neurAM ein Material vor, das sowohl die Funktionen der Festplatte als auch die des Prozessors miteinander verbindet. NeurAM zielt darauf ab, Materialien mit inhärenten Eigenschaften zu schaffen, die der neuronalen Struktur des Gehirns ähneln: Materialien mit Plastizität, die sich selbst anpassen können. Mithilfe der Rastertunnelmikroskopie ist das Projektteam in der Lage, solche Materialien Atom für Atom nach einem Puzzleprinzip zusammenzubauen und mit den gewünschten Eigenschaften zu versehen.
Der einzigartige und innovative Ansatz, der von der bemerkenswerten Effizienz des menschlichen Gehirns inspiriert ist, hat das Potenzial, die Energieeffizienz elektronischer Geräte erheblich zu verbessern und gleichzeitig erweiterte kognitive Fähigkeiten zu ermöglichen. Die größte Herausforderung für das neurAM-Projekt besteht darin, ein Material zu finden, das diese gehirnähnlichen Eigenschaften ohne zusätzliche Schaltkreise autonom entfalten kann.
Das Projekt erhält von der Volkswagen Stigtung eine Förderung von einer Million Euro über die nächsten vier Jahre.
Zum Nachlesen
- Radboud Universiteit (18.07.2023): Volkswagen Stiftung grant for research on brain-inspired materials: towards eco efficient computing
- Universität Stuutgart (03.08.2023): Mehr Gehirn für Hardware und Software
