Rastertunnelmikrosopie-Aufnahme einer Oberfläche mit einzelnen Atomen: Solche Atome nutzen die Forschenden, um neuromorphe Materialien zu entwickeln. (Bildgröße: 5 x 7 Nanometer)
Foto: Institut für Funktionelle Materialien und Quantentechnologie
Lernfähige Algorithmen sind intelligent, doch für manche technische Anwendungen, wie etwa autonomes Fahren, noch nicht smart genug. Wissenschaftler:innen erforschen nun neuromorphe Materialien, um Software und Hardware schneller, effizienter und flexibler zu machen.
Entspannt zurücklehnen und die Gegend bewundern, während das Auto autonom durch die Stadt fährt – das gibt es trotz der technischen Möglichkeiten noch nicht. Konventionelle Computer-Hardware und Software verfügen über ungenügend Schnittstellen, um im Notfall mit derselben menschlichen Reaktionsfähigkeit einzugreifen.
Doch mit neuromorphen Materialien könnte das funktionieren, sind sich Dr. Susanne Baumann vom Institut für Funktionelle Materie und Quantentechnologie und ihre Kollegen Dr. Hermann Osterhage und Dr. Eduardo Domínguez Vázquez von der niederländischen Radboud Universität einig. „Algorithmen sind in ihrer Funktionsweise bereits an unser Gehirn angelehnt. Allerdings ist konventionelle Hardware nicht dazu gemacht, das gesamte Potential dieser Algorithmen umzusetzen“, erklärt Baumann. „Wir brauchen Hardwaretechnologien, die dem Gehirn mehr ähneln. Neuromorphe Materialien könnten der Schlüssel dafür sein.“
Gehirnleistung auf Hardware übertragen
Die Idee ist, Hardware und Software genauer aufeinander abzustimmen. In der Praxis würde das bedeuten: weniger Verarbeitungsschleifen sowie eine effizientere und schnellere Reaktionsleistung.
Dafür erforscht das Team neuromorphe Materialien. Dabei handelt es sich um Materialien auf atomarer Basis, die der neuronalen Struktur des Gehirns ähneln. Mithilfe der Rastertunnelmikroskopie sind Baumann und ihr Team in der Lage, solche Materialien Atom für Atom nach einem Puzzleprinzip zusammenzubauen und mit den gewünschten Eigenschaften zu versehen.
„Das Material muss dazu fähig sein, sich an wechselnde Anforderungen anzupassen“, sagt Baumann. Dadurch lernen Algorithmen, effizienter und schneller aus einem zunächst unbekannten Input den erwünschten Output zu generieren. „So, wie sich mit wiederholender Ausführung einer Bewegung Nervenbahnen im Gehirn ausbilden und festigen, soll die neuromorphe Hardware die Lernfähigkeit der Algorithmen unterstützen.“
Förderung durch die Volkswagen Stiftung
Für ihr Projekt „Neuromorphic materials designed atom by atom“ (neurAm) erhalten Baumann, Osterhage und Domínguez Vázquez eine Förderung von der Volkswagen Stiftung in Höhe von einer Million Euro. In den nächsten vier Jahren ist es das Ziel, ihren neuen Ansatz auf Hardwaretechnologien zu übertragen. „Aktuell vergrößern wir unser Team und suchen nach Doktorand:innen, die sich unserem Projekt anschließen möchten“, so Baumann.
Weitere Informationen: https://www.fmq.uni-stuttgart.de/de/
