Lichtchip mit künstlichen Neuronen
Hardware ahmt das Verhalten von Neuronen und Synapsen nach.
Eine Technologie, die wie ein Gehirn funktioniert? In Zeiten von künstlicher Intelligenz scheint das gar nicht so weit entfernt – zum Beispiel, wenn ein Handy Gesichter oder Sprachen erkennt. Bei komplexeren Anwendungen stoßen Computer jedoch nach wie vor schnell an ihre Grenzen, was unter anderem daran liegt, dass ihre Recheneinheiten und Datenspeicher traditionell voneinander getrennt sind. Die Folge: Alle Daten müssen hin- und hergeschickt werden. In diesem Punkt ist das Gehirn selbst den modernsten Computern viele Schritte voraus, denn es verarbeitet und speichert Informationen an derselben Stelle: an den Synapsen, Verbindungen von Nervenzellen, von denen es im Gehirn etwa hundert Billionen gibt. Einem internationalen Forscherteam der Universitäten Münster, Oxford und Exeter ist nun die Entwicklung einer Hardware gelungen, die den Weg in Richtung hirnähnliche Computer ebnen könnte: Die Nanowissenschaftler stellten einen Chip her, auf dem sich ein Netz aus künstlichen Neuronen erstreckt, das mit Licht arbeitet und das Verhalten von Nervenzellen im Gehirn nachahmen kann.
Die Forscher konnten zeigen, dass ein solches optisches neurosynaptisches Netz in der Lage ist, Informationen zu lernen und auf Basis dessen zu rechnen und Muster zu erkennen – so wie es ein Gehirn kann. Da das System ausschließlich mit Licht und nicht wie traditionell mit Elektronen funktioniert, kann es um ein Vielfaches schneller Daten verarbeiten. „Dieses integrierte photonische System ist ein experimenteller Meilenstein. Der Ansatz könnte später in vielen Bereichen Anwendung finden, um Muster in großen Datenmengen auszuwerten, zum Beispiel in der medizinischen Diagnostik”, sagt Studienleiter Wolfram Pernice.
Die meisten bestehenden Ansätze für neuromorphe Netzwerke beruhen derzeit auf Elektronen, wohingegen optische Systeme, bei denen Photonen zum Einsatz kommen, noch in den Kinderschuhen stecken. Das Prinzip: Auf den Mikrochips sind Lichtwellenleiter platziert, die die Forscher mit Phasenwechselmaterialien bestücken. Solche Materialien finden sich heute schon in Speichermedien wie wiederbeschreibbaren DVDs. Sie verändern ihre Eigenschaften drastisch – je nachdem, in welchem Phasenzustand sie sich befinden. So wechseln die Materialien zwischen einem kristallinen Zustand und einem amorphen Zustand. Die Phasenveränderung kann durch Licht ausgelöst werden, indem ein Laserstrahl das Material erhitzt. „Dadurch, dass das Material so stark reagiert und seine Eigenschaften drastisch verändert, eignet es sich gut, um Synapsen und die Erregungsübertragung zwischen zwei Neuronen nachzuahmen“, sagt Johannes Feldmann, der einen großen Teil der Experimente durchführte.
Nun gelang es den Forschern zum ersten Mal, viele nanostrukturierte Phasenwechselmaterialien zu einem neurosynaptischen Netzwerk zusammenzuschließen. Die Nanowissenschaftler entwickelten einen Chip mit vier künstlichen Neuronen und insgesamt sechzig Synapsen. Die in verschiedenen Schichten aufgebaute Struktur des Chips basierte auf der Wellenlängenmultiplex-Technik – ein Verfahren, bei dem Licht auf unterschiedlichen Kanälen innerhalb eines optischen Nanoschaltkreises übertragen wird. Für eine Mustererkennung fütterten die Forscher das System mit Informationen in Form von Lichtpulsen und wandten zwei verschiedene Algorithmen des Maschinellen Lernens an. Hierbei lernt ein künstliches System aus Beispielen und kann diese am Ende verallgemeinern. Bei den beiden eingesetzten Algorithmen war das künstliche Netzwerk am Ende in der Lage, anhand von vorgegebenen Lichtmustern ein jeweils gesuchtes Muster zu erkennen, unter anderem vier aufeinanderfolgende Buchstaben.
„Mit unserem System haben wir einen wichtigen Schritt in die Richtung einer Computer-Hardware gemacht, die sich ähnlich wie Neuronen und Synapsen im Gehirn verhält und die dazu in der Lage ist, reale Aufgaben zu bearbeiten“, sagt Pernice. „Indem wir mit Photonen anstelle von Elektronen arbeiten, können wir das bekannte Potenzial von optischen Technologien optimal ausschöpfen – nicht nur wie bisher, um Daten zu übertragen, sondern auch, um sie an einem Ort speichern und verarbeiten zu können“, sagt Harish Bhaskaran von der Oxford University. Prinzipiell könnten mit einer solchen Hardware zum Beispiel Krebszellen automatisch identifiziert werden. Bis es zu solchen Anwendungen kommen kann, sind jedoch weitere Schritte nötig. So müssen die Forscher die Anzahl der künstlichen Neuronen und Synapsen erhöhen und die Tiefe der neuronalen Netzwerke vergrößern.
WWU Münster / JOL
