Neuristor

aus Wikipedia, der freien Enzyklopädie

Ein Neuristor ist das einfachste elektronische Element, welches das Verhalten eines einfachen Neurons nachbilden kann. Es handelt sich um eine hypothetische Implementierung eines Neuronenmodells. Ein Neuristor besteht aus einer Reihe von Memristoren, welche die Synapsen abbilden, sowie einem Metall-Oxid-Halbleiter-Feldeffekttransistor (MOSFET).

Technische Realisierung

Schaltung aus mehreren Memristor-basierten Neuristoren nach dem Hodgkin-Huxley-Modell.

In der Praxis konnten bislang Neuristoren mit einem Crossbar-Layer mit Memristoren aus einem Titan(IV)-oxid- oder Niob(IV)-oxid-Film, sowie einem n-Kanal-Anreichreicherungstyp-MOSFET in Silizium-CMOS-Technik gezeigt werden.[1][2]

Derzeit befinden sich auch Memristoren in Entwicklung, bei denen mehrere Memristor-Crossbar-Layer zu einer dreidimensionalen Struktur übereinandergelegt und verbunden werden.[3] Dabei wird die feste Verdrahtung im CMOS-Layer reduziert und durch die dynamischen Verbindungen der Memristor-Crossbar-Layer ersetzt. Dieser Aufbau gleicht eher dem Aufbau der kortikalen Säulen in den Gehirnen von Säugetieren, welche ebenfalls eine dreidimensionale Verdrahtung aufweisen. Bei diesem Aufbau sind die Neuristoren durch die höhere Anzahl und Dichte an Memristoren („Synapsen“) deutlich besser vernetzt. Jedoch ist dieser Aufbau auch komplexer in der Herstellung.

Schematischer Aufbau eines Neuristors in CMOS-Technik mit MOSFET und Memristor-Crossbar
Schematischer Aufbau eines Neuristors in CMOS-Technik mit MOSFET und mehreren Memristor-Crossbar-Layern

Der Aufbau ist mit Spin-FETs kompatibel und kann daher auch in Spintronik verwendet werden, wodurch erhebliche Energieeinsparungen möglich sind. Allerdings wurde der Aufbau mit Spin-FETs bisher nur im Computer simuliert, während eine technische Realisierung aussteht.[4]

Alternativ zu Memristoren wird auch die Verwendung von magnetischen Tunnelkontakten (

magnetic tunnel junction

; MTJ) erforscht.[5]

Verwendung

Neuristoren lassen sich als Bauteil zum Aufbau künstlicher neuronaler Netze verwenden, die auf Spiking-Neuron-Modellen beruhen. Damit lassen sich biologische neuronale Schaltkreise im Rahmen des Neuromorphings effizient nachbilden. Diese Schaltkreise arbeiten bei bestimmten Aufgaben – etwa die Mustererkennung und die Simulation großer biologischer neuronaler Schaltkreise – effizienter als herkömmliche Logikschaltungen.

Einzelnachweise

  1. Adam Stevenson: Logic circuits that program themselves: memristors in action. In: arstechnica. 28. Januar 2009, abgerufen am 31. Dezember 2012 (englisch).
  2. John Timmer: “Neuristor”: Memristors used to create a neuron-like behavior. In: arstechnica. 24. Dezember 2012, abgerufen am 31. Dezember 2012 (englisch).
  3. Konstantin K. Likharev: CrossNets: Neuromorphic Hybrid CMSO/Nanoelectronic Networks. In: Science of Advanced Materials (Vol. 3). American Scientific Publishers, 2011, S. 322–331, abgerufen am 11. Januar 2014 (englisch).
  4. Mrigank’ Sharad, Charles Augustine: Proposal For Neuromorphic Hardware Using Spin Devices. Hrsg.: Purdue University. Juni 2012, arxiv:1206.3227 (englisch).
  5. Adrien F. Vincent, Jérôme Larroque, et al.: Spin-Transfer Torque Magnetic Memory as a Stochastic Memristive Synapse for Neuromorphic Systems. In: IEEE Transactions on Biomedical Circuits and Systems. April 2015, abgerufen am 1. März 2017 (englisch).