A van der Waals Floating-Gate Platform for Broadband Optoelectronic Neuromorphic Computing

Das menschliche Gehirn ist ein Meister der Effizienz; es verarbeitet riesige Mengen an Informationen und verbraucht dabei nur sehr wenig Energie. Es erreicht dies, indem es Gedächtnis und Berechnung zu einem einzigen, miteinander vernetzten Geflecht aus Neuronen und Synapsen verschmilzt. Im Gegensatz dazu verlassen sich die Computer, die wir heute verwenden, auf ein Design, das diese beiden Funktionen trennt. Daten müssen ständig zwischen einem Prozessor, der berechnet, und einem Speicherchip, der Informationen speichert, hin- und herreisen – eine Reise, die Energie verschwendet und die Leistung bremst. Um die nächste Generation intelligenter Maschinen zu bauen, versuchen Wissenschaftler, Hardware zu entwickeln, die die Architektur des Gehirns nachahmt, bei der ein einzelnes Bauteil sowohl Informationen speichern als auch aus neuen Eingaben lernen kann. Eine Schlüsselkomponente in diesem Bestreben ist die künstliche Synapse, ein winziger elektronischer Schalter, der seine Stärke basierend auf vergangener Aktivität ändern kann, ganz ähnlich wie eine biologische Verbindung zwischen Gehirnzellen. Obwohl Forscher viele Arten dieser Bauteile entwickelt haben, kämpfen die meisten damit, Langzeitgedächtnis mit der Fähigkeit zu kombinieren, aus Licht zu lernen – eine Fähigkeit, die es Maschinen ermöglichen würde, visuelle Informationen direkt und effizient zu verarbeiten.

Ein Forschungsteam der Dongguk University in Südkorea hat eine neue Art von künstlicher Synapse entwickelt, die diese Lücke erfolgreich schließt. Sie haben einen einzelnen Transistor erschaffen, der Daten dauerhaft speichern kann und zudem aus einem breiten Spektrum von Licht lernen kann, das von sichtbaren Farben bis hin zu unsichtbaren Infrarotstrahlen reicht. Das Bauteil besteht aus einem Stapel aus drei verschiedenen, atomar dünnen Materialien, die wie ein mikroskopisch kleines Sandwich geschichtet sind. Die unterste Schicht ist ein Material namens Indiumselenid, das als Speicherraum für elektrische Ladungen fungiert. Diese Speicherkammer wird durch eine dünne Schicht aus hexagonalem Bornitrid von der oberen Schicht getrennt, die als sicherer Tunnel dient, den Elektronen nur dann passieren können, wenn sie dazu angeregt werden. Die obere Schicht besteht aus Rheniumdisulfid, einem Material, das stark auf Licht reagiert. Wenn die Forscher einen elektrischen Impuls anwenden oder Licht auf das Bauteil strahlen lassen, bewegen sich Elektronen durch den Tunnel und werden in der Speicherschicht gefangen, was den elektrischen Fluss durch die obere Schicht dauerhaft verändert. Diese Änderung des Flusses repräsentiert einen neuen Speicherzustand oder eine gelernte Verbindung.

Die Forscher fanden heraus, dass dieses Bauteil außergewöhnlich gut im Erinnern ist. Durch das Anlegen elektrischer Impulse konnten sie genügend Ladung einfangen, um einen massiven Unterschied zwischen den „An“- und „Aus“-Zuständen des Bauteils zu erzeugen, wobei der Strom im „An“-Zustand mehr als eine Million Mal stärker war als im „Aus“-Zustand. Sobald die Information geschrieben war, hielt das Bauteil sie über 10.000 Sekunden lang stabil, ohne dass es zur Auffrischung Energie benötigte. Diese Stabilität ist entscheidend für den Bau zuverlässiger Computerspeicher. Über die einfache Speicherung hinaus verhält sich das Bauteil wie eine lernende Gehirnzelle. Als die Forscher eine Serie von elektrischen Signalen sendeten, wurde die Reaktion des Bauteils mit jedem Impuls stärker, was der Art und Weise gleicht, wie eine biologische Synapse gestärkt wird, wenn Neuronen wiederholt gemeinsam feuern. Sie konnten die Verbindung auch abschwächen, indem sie Signale der entgegengesetzten Polarität sendeten, was es dem Bauteil ermöglichte, zu vergessen oder sein Lernen anzupassen.

Was diese Entdeckung besonders bedeutend macht, ist die Art und Weise, wie das Bauteil auf Licht reagiert. Im Gegensatz zu älteren elektronischen Speichern, die nur elektrische Signale verstehen, kann diese neue Synapse mithilfe von Licht über ein breites Spektrum trainiert werden. Die Forscher testeten sie mit grünem, rotem und nahen Infrarotlicht, und das Bauteil reagierte auf alle diese Wellenlängen. Durch die Veränderung der Helligkeit des Lichts oder der Dauer der Bestrahlung konnten sie präzise steuern, wie viel das Bauteil lernte. Ein kurzer Lichtblitz verursachte eine vorübergehende Änderung, ähnlich einem Kurzzeitgedächtnis, während eine längere, hellere Exposition eine dauerhafte Änderung bewirkte, vergleichbar mit einem Langzeitgedächtnis. Das Bauteil konnte sogar zwischen verschiedenen Mustern von Licht und Elektrizität unterscheiden. In einem Experiment brachten die Forscher dem Bauteil bei, ein spezifisches elektrisches Signal mit einem Lichtblitz zu assoziieren. Nach dem Training reagierte das Bauteil allein auf das elektrische Signal, als hätte es gelernt, das Licht zu erwarten – was eine Form des assoziativen Lernens demonstriert, ähnlich den berühmten Experimenten, bei denen ein Hund lernt, beim Klang einer Glocke zu sabbern.

Das Team zeigte zudem, dass dieses einzelne Bauteil komplexe logische Aufgaben ausführen kann, indem es einfach die Art seiner Stimulation ändert. Durch Anpassung der Stärke der elektrischen und der Lichteingaben konnten sie das Bauteil so programmieren, dass es als „UND“-Gatter agiert, welches nur dann ein Ausgangssignal liefert, wenn sowohl Licht als auch Elektrizität vorhanden sind, oder als „ODER“-Gatter, welches ein Signal liefert, wenn eines von beiden vorhanden ist. Diese Fähigkeit, seine eigene Logik ohne Änderung der physischen Struktur neu zu konfigurieren, deutet auf einen Weg zu Computern hin, die ihre Funktionen im laufenden Betrieb anpassen können. Die Forscher bestätigten durch detaillierte Messungen, dass das Verhalten des Bauteils durch die Bewegung von Elektronen in die Speicherschicht und nicht durch andere Effekte getrieben wurde, wodurch alternative Erklärungen ausgeschlossen wurden. Diese Arbeit demonstriert eine vielseitige Plattform, auf der Speicher, Lernen und Lichtsensorik in einer kompakten Komponente vereint sind, was eine vielversprechende Strategie zur Schaffung kleinerer, schnellerer und energieeffizienterer Systeme darstellt, die Informationen so verarbeiten können wie das menschliche Gehirn.