Ultradünne Kohlenstoffschichten: Memristoren mit Gedächtnis für künstliche Intelligenz

Wissenschaftlerinnen und Wissenschaftler haben gezeigt, dass ultradünne Kohlenstoffschichten sich „merken“ können, wie elektrischer Strom zuvor durch sie geflossen ist.

Diese eingebaute Gedächtnisfunktion könnte Systemen der künstlichen Intelligenz helfen, weniger Energie zu verbrauchen: Wenn weniger Daten zwischen unterschiedlichen Computerbausteinen hin- und hergeschoben werden müssen, sinkt die Last in Rechenzentren.

Materialien, die Speicherzustände halten

In verschiedenen Demonstrationen wechselten atomdünne Kohlenstofffilme immer wieder zwischen einem leicht leitenden und einem widerständigen elektrischen Zustand – und blieben nach jedem Umschalten stabil.

Durch den Abgleich der beobachteten Muster argumentierte Dr. Gennady N. Panin von der Russischen Akademie der Wissenschaften (RAS), dass ein solches Material Speicherinformationen ablegen kann.

In seiner Übersichtsarbeit bei der RAS verknüpfte er diese Stabilität mit Veränderungen auf atomarer Skala, die ein Bauteil in einem von mehreren möglichen Zuständen „einrasten“ lassen.

Wenn das Gedächtnis im selben Element sitzt, das ein Signal erfasst, könnten sich die Energiekosten von KI-Chips deutlich verringern.

Wie Memristoren funktionieren

Wenn Ingenieurinnen und Ingenieure einen Widerstand benötigen, der sich abhängig von zuvor geflossenem Strom verändert und diesen Zustand ohne dauerhafte Versorgung hält, setzen sie Memristoren ein: winzige elektrische Bauelemente, deren Widerstand vom bisherigen Stromfluss abhängt.

Bereits 1971 wurde in einer Veröffentlichung vorgeschlagen, Memristoren als fehlendes Grundelement der Schaltungstheorie zu betrachten – definiert über den Zusammenhang zwischen Ladung und Spannung.

Werden solche Bauteile aus zweidimensionalen (2D) Materialien aufgebaut – Kristallen, die nur wenige Atome dick sind –, lassen sie sich dicht packen und mit geringer Spannung umschalten.

Einmal eingestellt, kann ein nichtflüchtiger Zustand (also ein Speicher, der auch ohne Strom erhalten bleibt) jene Gewichte halten, die künstliche Intelligenz für Entscheidungen nutzt.

Warum KI so viel Strom benötigt

Die meisten Rechner arbeiten nach der von-Neumann-Architektur: Speicher und Verarbeitung sind getrennt – und genau diese Trennung kostet Energie.

Ein Bericht der Internationalen Energieagentur (IEA) prognostizierte den weltweiten Stromverbrauch von Rechenzentren bis 2030 in der Nähe von 945 Terawattstunden.

Allein das Verschieben von Daten zwischen Chips und Speicher kann mehr als 50% der elektrischen Leistung eines Systems beanspruchen.

Wenn Speicherung und Berechnung im selben 2D-Element zusammenrücken, sinkt dieses Hin-und-her; das reduziert Abwärme und lässt mehr elektrische Energie für die eigentliche Arbeit übrig.

Leitfähigkeit nach Plan

Im Mittelpunkt steht Graphen, eine nur ein Atom dicke Lage aus Kohlenstoffatomen, weil sich seine Elektronen in dem flachen Gitter besonders leicht bewegen.

Legt man eine Spannung an, können sich Teile der Struktur neu verbinden; dadurch werden bestimmte Bereiche gezielt weniger leitfähig, und der Widerstand steigt kontrolliert an.

„Two-dimensional materials possess unique structural and electronic properties required for the development of highly efficient nanoenergy memristor devices for low-energy information technology,“ schrieb Panin.

Diese reversiblen Bindungsänderungen ermöglichen stabile Speicherzustände – allerdings müssen sie über Jahre hinweg trotz Wärme, mechanischer Belastung und vieler Schaltvorgänge konsistent bleiben.

Sauerstoff schaltet den Strom um

Bei Graphenoxid – einer Graphenschicht, die mit Sauerstoffgruppen bedeckt ist – erschwert zusätzlicher Sauerstoff den Stromfluss, und der Widerstand nimmt zu.

In einer Redoxreaktion, also einem Austausch von Sauerstoff und Elektronen, kann das Material Sauerstoff wieder abgeben, seine Leitfähigkeit zurückgewinnen und den Widerstand senken.

Die in der Übersichtsarbeit beschriebenen Bauelemente hielten diesen „Sauerstoffverkehr“ steuerbar, sodass das Umschalten zuverlässig funktionierte – selbst dann, wenn Ingenieurinnen und Ingenieure das Elektrodenmaterial änderten.

Aus dieser Chemie können mehrere stabile Zwischenstufen entstehen; dadurch lässt sich in einer Zelle mehr als nur ein Ein/Aus-Wert speichern.

Licht schreibt eine weitere Ebene

Auch Licht kann Speicherzustände setzen: Dann entsteht ein Photomemristor, also ein Memristor, dessen Zustand sich durch Licht verändert und nicht nur durch Spannung.

Die Energie der Photonen kann Atome in eine bestimmte Anordnung drängen, sodass das Bauteil Licht erfasst und das Ergebnis zugleich als Zustand speichert.

Schaltverhalten, das unter ultraviolettem bis infrarotem Licht funktioniert, kann maschinelle Sehsysteme präzise halten, selbst wenn sich die Beleuchtung ändert.

Die optische Steuerung bringt zusätzliche Flexibilität – künftige Designs müssen jedoch verhindern, dass Streulicht im Alltag einen gespeicherten Zustand unbeabsichtigt überschreibt.

Intelligentere maschinelle Sicht

Wenn Gedächtnis und Rechenoperationen in den Detektor verlagert werden, entsteht In-Sensor-Computing: Signale werden direkt im Sensor verarbeitet, was eine schnellere Erkennung ermöglicht.

In den von Panin beschriebenen Beispielen passte ein Sensor seine Leitfähigkeit an und behielt diese Einstellung, sodass nachgelagerte Schaltungen einen saubereren, kleineren Datenstrom erhielten.

Dieses Verhalten unterstützt neuromorphes Computing – Hardware, die die Signalweitergabe von Neuronen nachahmt – und eignet sich besonders für Sehaufgaben mit wiederkehrenden Mustern.

Wenn weniger Daten den Sensor verlassen müssen, kann der Energiebedarf von KI-Bildverarbeitung etwa in selbstfahrenden Autos sinken, auch wenn das Training weiterhin an anderer Stelle stattfindet.

Dichte Gitter aufbauen

Hohe Packungsdichte ist entscheidend, weil KI-Modelle Millionen von Gewichten speichern, und jedes Gewicht braucht bei niedriger Leistungsaufnahme einen verlässlichen Wert.

Mit einem Zwei-Elektroden-Design lassen sich viele 2D-Memristoren zu Gittern anordnen, in denen sich Ströme direkt im Speicher addieren und multiplizieren.

Werden solche Schichten oberhalb von CMOS gestapelt – der Standard-Transistortechnologie in Chips –, könnten Sensorik und Speicher in einem einzigen Stapel zusammenrücken.

Für die Skalierung ist die Kontrolle von Defekten nötig: Eine einzige schwache Zelle kann einen Bereich der CMOS-Hardware verfälschen und Ergebnisse unbrauchbar machen.

Hürden vor dem Einsatz

Chips für die Praxis müssen Hitze, Vibrationen und jahrelanges Schalten verkraften; deshalb wird Ausdauertesten ebenso wichtig wie die Materialwahl.

In der Fertigung braucht es reproduzierbare Muster, und Verfahren wie fokussierte Strahlen oder Laser müssen sich hochskalieren lassen, ohne die Kosten zu erhöhen oder CMOS-Schichten zu beschädigen.

Verschiedene Schaltmechanismen konkurrieren miteinander, und je nach Anwendung müssen Entwicklerinnen und Entwickler zwischen schneller optischer Steuerung und langsamerer chemischer Abstimmung abwägen.

Solange sich solche Arrays nicht ähnlich einfach programmieren lassen wie heutige Speicher, werden 2D-Memristoren größtenteils Forschungsthemen bleiben.

Zukunft des Kohlenstoff-Gedächtnisses

Wenn Speicher in atomdünne Materialien eingebaut wird, verschiebt sich der Ort, an dem bei visuellen Aufgaben gerechnet werden kann: Signal und gespeicherter Zustand liegen dann eng beieinander.

Sollten Ingenieurinnen und Ingenieure eine langfristige Zuverlässigkeit nachweisen und diese Komponenten in die CMOS-Fertigung integrieren, könnten Rechenzentren mehr KI-Last mit weniger Strom bewältigen.