Elektronik, die wie ein Gehirn lernt

Künstliche Intelligenz benötigt heute oft sehr viel Energie, besonders beim Training großer Modelle. Während klassische Computer Rechen- und Speicheroperationen im Chip meist räumlich trennen, sind diese im menschlichen Gehirn enger miteinander verknüpft: Neuronen sind über Synapsen verbunden und verarbeiten Signale direkt an diesen Verbindungsstellen. Wenn Signale häufig oder besonders stark auftreten, verändern sich diese Verbindungen. Ein zentraler Mechanismus des Lernens besteht darin, dass das System frühere Aktivität speichert und sein Verhalten anpasst. Da sich die Verbindungen im Gehirn entsprechend ändern, wird dieser Prozess als Neuroplastizität bezeichnet.

Neuartige Bauelemente auf Basis einer Oxid-Grenzfläche, die von Forschenden des Exzellenzclusters ctd.qmat in Würzburg entwickelt wurden, bilden zentrale Funktionen neuronaler Netzwerke elektronisch nach

Quelle: JMU / Jochen Thamm, think-design

Dieses Prinzip des Lernens aus Erfahrung will das „brain-inspired computing“ nachahmen: Computerhardware soll Informationen nicht nur verarbeiten, sondern sich auch Zustände merken und anpassen können. Würzburger Forschende des Exzellenzclusters ctd.qmat – Komplexität, Topologie und Dynamik in Quantenmaterialien der Universitäten Würzburg und Dresden haben nun nachgewiesen, dass sich dafür komplexe Oxidmaterialien besonders gut eignen. In ihrer aktuellen Veröffentlichung stellen sie Bauelemente vor, die wesentliche Eigenschaften biologischer Nervensysteme elektronisch nachbilden können.

Die Grundlage der neuen Bauelemente bildet eine Grenzfläche aus zwei Oxidmaterialien, die am Würzburger Lehrstuhl für Experimentelle Physik IV hergestellt wurde: Lanthanaluminat (LaAlO₃, kurz LAO) und Strontiumtitanat (SrTiO₃, kurz STO). Obwohl beide Materialien für sich genommen elektrisch isolierend sind, entsteht an ihrer gemeinsamen Grenzfläche ein extrem dünner leitfähiger Bereich, ein sogenanntes quasi-zweidimensionales Elektronengas.

Durch gezielte Mikrostrukturierung lassen sich daraus winzige „Elektronen-Autobahnen“ herstellen, auf denen sich der Ladungstransport präzise steuern lässt. Fließt Strom durch die Grenzfläche, können Sauerstoffatome herausgelöst werden. Dadurch verändert sich der elektrische Widerstand. Die Leitfähigkeit der Struktur kann somit gezielt angepasst werden. Auf diese Weise lässt sich ein Bauelement „anlernen“. Das funktioniert ähnlich wie bei einem neuronalen Netzwerk, das durch äußere Reize lernt.

Mehr zu Neuroelektronik

06.11.2023 • Nachricht • Forschung

Biochip ahmt Netzhaut nach

09.12.2020 • Nachricht • Panorama

Elektronik nach biologischem Vorbild

Marie Braasch und Sina Saravi • 5/2026 • Seite 32

Intelligenz durch Interferenz

Dominik Dold • 4/2025 • Seite 22

Stabiles Lernen durch Pulse

Anna Köhler • 9/2021 • Seite 51

Materialien für heute und morgen

Andreas Offenhäusser und Sabrina Weidlich • 7/2018 • Seite 41

Netzwerke der Erkenntnis

Die dabei eingesetzten komplexen Oxide zählen zu den vielversprechendsten Materialplattformen für neuartige Elektronik. „Komplexe Oxide sind für uns ein besonders spannendes Spielfeld, weil sie viele elektronische Eigenschaften in einer einzigen Materialplattform vereinen. Genau das macht sie so interessant für eine neue Generation energieeffizienter und anpassungsfähiger Computerhardware“, erläutert Ralph Claessen, Sprecher des Würzburg-Dresdner Exzellenzclusters ctd.qmat an der Universität Würzburg und Mitautor der Studie.

Die Vielseitigkeit der Oxid-Plattform nutzte das Würzburger Team, um Bauelemente zu entwickeln, die zentrale Funktionen von Neuronen und Synapsen nachbilden können. Dazu zählen ein Transistor zum Schalten von Strom, ein Memristor als widerstandsbasierter Speicherbaustein sowie ein Memcapacitor, dessen Kapazität von seiner elektrischen Vorgeschichte abhängt. Besonders bemerkenswert ist, dass ein einzelnes nanoskaliges Bauelement – je nach Verschaltung – verschiedene Aufgaben übernehmen kann. Es lässt sich als Transistor, Memristor oder Memcapacitor betreiben und fungiert damit als eine Art elektronisches Multitalent.

„Das Spannende an unserer Plattform ist, dass wir mit demselben Materialsystem sehr verschiedene Funktionen realisieren können. Dadurch kommen wir Hardware näher, die nicht nur rechnet, sondern auch direkt im Bauelement lernen sowie Informationen zwischenspeichern kann“, sagt Soumen Pradhan, Postdoktorand am Lehrstuhl für Technische Physik in Würzburg und Erstautor der Studie.

Mögliche Anwendungsbereiche für die „selbstlernende“ Brain-Inspired-Computing-Plattform sind die Gesundheitsüberwachung und die medizinische Diagnostik. Langfristig könnten solche Technologien in tragbaren Sensorsystemen oder bioelektronischen Anwendungen eingesetzt werden. Sie könnten zentrale Parameter wie Herzfrequenz, Blutdruck, Körpertemperatur, Sauerstoffsättigung oder Blutzucker kontinuierlich erfassen und direkt vor Ort intelligent auswerten: schnell, energieeffizient und ohne zusätzliche Recheneinheiten. [JMU / dre]