Forscher des Korea Advanced Institute of Science and Technology (KAIST) haben einen neuartigen 'Frequenzumschaltenden Neuristor' entwickelt, der die Anpassungsfähigkeit des Gehirns nachahmt und so energieeffizientere und stabilere KI-Hardware verspricht. Diese Entwicklung, angeführt von Professor Kyung Min Kim, wurde am 18. August 2025 in der Fachzeitschrift Advanced Materials veröffentlicht. Der Neuristor ist in der Lage, seine Signalfrequenz autonom zu ändern, ähnlich wie biologische Neuronen ihre Empfindlichkeit anpassen. Diese intrinsische Plastizität ist entscheidend für seine verbesserte Leistung und Widerstandsfähigkeit. Durch die Integration von sowohl flüchtigen als auch nichtflüchtigen Memristoren erreicht der Neuristor ein programmierbares Frequenz-Spannungs-Verhalten auf mehreren Ebenen, was ihm ermöglicht, effektiver zu lernen und sich anzupassen.
Simulationen mit spärlichen neuronalen Netzen zeigten eine signifikante Reduzierung des Energieverbrauchs um 27,7 % im Vergleich zu herkömmlichen KI-Netzwerken, während die Rechengenauigkeit erhalten blieb. Darüber hinaus zeigt der Neuristor eine bemerkenswerte Widerstandsfähigkeit und kann sich selbst organisieren, um die Leistung auch nach simulierten Schäden an seinen neuronalen Komponenten wiederherzustellen. Diese Innovation wird voraussichtlich Anwendungen, die eine anhaltende Stabilität erfordern, wie z. B. Edge-Computing-Geräte und autonome Fahrzeuge, erheblich zugutekommen.
Die Entwicklung von KI-Hardware, die von der Funktionsweise des menschlichen Gehirns inspiriert ist, ist ein wachsender Trend im Bereich des neuromorphen Computings. Memristoren, auch bekannt als Speicherwiderstände, sind Schlüsselkomponenten bei der Entwicklung neuromorpher Computer, die darauf abzielen, die Struktur und Funktionen des menschlichen Gehirns nachzuahmen. Diese Systeme zielen darauf ab, die Energieeffizienz, Geschwindigkeit und Lernfähigkeit des Gehirns nachzuahmen. Die Fähigkeit von Memristoren, Informationen auch bei ausgeschalteter Stromversorgung zu speichern, macht sie zu idealen Kandidaten für die Schaffung energieeffizienterer und leistungsfähigerer KI-Systeme. Studien zeigen, dass diese Technologie die Datenspeicherung und -verarbeitung revolutionieren und zu schnelleren und kompakteren Geräten führen kann. Die Fähigkeit von Memristoren, sowohl Datenspeicherung als auch Berechnungen in einer einzigen Komponente durchzuführen, spiegelt die integrierte Arbeitsweise von Synapsen im Gehirn wider und bietet einen Weg zur Schaffung effizienterer künstlicher neuronaler Netze. Insbesondere für autonome Fahrzeuge ist eine hohe Rechenleistung unerlässlich, um riesige Mengen an Sensordaten in Echtzeit zu verarbeiten. Die Fortschritte bei Neuristor-Technologien wie dieser tragen dazu bei, die Herausforderungen der Energieeffizienz in der KI zu bewältigen, die angesichts der exponentiell steigenden Anforderungen an Rechenleistung immer dringlicher werden.
Die Fähigkeit zur Selbstorganisation und Wiederherstellung nach Schäden macht diese Technologie besonders vielversprechend für kritische Anwendungen, bei denen Ausfallzeiten kostspielig oder gefährlich sein können. Die Integration von solchen adaptiven und robusten Hardwarekomponenten ist ein wichtiger Schritt in Richtung einer intelligenteren und nachhaltigeren Zukunft der künstlichen Intelligenz.