Nachrichten, Gerüchte, Meldungen und Berichte aus der IT-Szene
Redaktion: Heinz Schmitz
Memristoren gegen das „katastrophale Vergessen“ der KI
verschiedene Vor- und Nachteile mit sich. „Wir haben daher überlegt, einen Memristor zu bauen, der die Stärken beider Typen vereint“, erklärt Ilia Valov. Unter Fachleuten galt dies eigentlich als unmöglich. „Unser neuer Memristor basiert auf einem völlig anderen Prinzip: Er nutzt ein Filament aus Metalloxiden, kein rein metallisches wie ECM“, erläutert Valov.
Dieses Filament wird durch die Bewegung von Sauerstoff- und Tantal-Ionen gebildet und ist stabil. Es löst sich nie ganz auf. „Man kann sich das im Grunde so vorstellen, dass das Filament zumindest im Ansatz immer vorhanden ist und nur chemisch verändert wird“, sagt Valov. Der neuartige Schaltmechanismus ist dadurch sehr robust. Die Wissenschaftler bezeichnen ihn auch als Filament-Leitfähigkeitsänderungsmechanismus (FCM).
Die entsprechenden Bauteile verfügen über mehrere Vorteile: Sie sind chemisch und elektrisch stabiler, resistenter gegenüber hohen Temperaturen, haben ein breiteres Spannungsfenster und benötigen zur Herstellung niedrigere Spannungen. Dadurch brennen im Fertigungsprozess weniger Bauteile durch, die Ausschussrate ist also geringer, und auch ihre Lebensdauer ist höher.
Perspektivische Lösung gegen „katastrophales Vergessen“
Obendrein ermöglichen die verschiedenen Oxidationsstufen, den Memristor auf binäre und/oder analoge Weise zu betreiben. Während binäre Signale digital sind und nur zwei Zustände ausgeben können, sind analoge Signale stetig und können jeden beliebigen Zwischenwert annehmen. Diese Kombination aus analogem und digitalem Verhalten ist für neuromorphe Chips besonders interessant, da sie dazu beitragen kann, das Problem des „katastrophalen Vergessens“ zu überwinden.
Die Forschenden haben in einer Simulation das neue memristive Bauelement bereits in ein Modell künstlicher neuronaler Netze implementiert. Bei mehreren Bilddatensätzen erreichte das System eine hohe Genauigkeit in der Mustererkennung. Künftig will das Team nach weiteren Materialien für die Memristoren suchen, die womöglich noch besser und stabiler funktionieren als die jetzt vorgestellte Version. „Unsere Ergebnisse werden die Entwicklung von Elektronik für „Computation-in-Memory“-Anwendungen weiter vorantreiben“, ist sich Valov sicher.
Originalbeitrag:
Chen, S., Yang, Z., Hartmann, H. et al.“ Electrochemical ohmic memristors for continual learning”; Nat Commun 16, 2348 (2025).
https://doi.org/10.1038/s41467-025-57543-w
Siehe auch: