Künstliches Gehirn: Memristoren werden zu Synapsen

Das Gehirn muss nicht programmiert werden - es lernt. Wissenschaftler versuchen deshalb, seinen Mechanismus nachzubauen. Der Bielefelder Forscher Andy Thomas versucht das mit Memristoren.

Artikel veröffentlicht am 20. Februar 2013, 17:35 Uhr, Werner Pluta

Chip mit dem Bielefelder Memristor: Widerstand ändert sich kontinuierlich. (Bild: Universität Bielefeld)

Einen Computer nach dem Vorbild des menschlichen Gehirns zu bauen, ist das Ziel von Andy Thomas. Als Nervenzellen nimmt der Bielefelder Physiker für seinen Hirncomputer Memristoren.

Memristoren (von: Memory, Speicher, und Resistor, elektrischer Widerstand) sind passive elektrische Bauteile, deren elektrischer Widerstand variabel ist und die als Verbindung von Stromleitungen eingesetzt werden können. Diese Bauteile sind ein elektronisches Pendant zu einer Synapse. Das ist der Teil einer Nervenzelle, über den sie eine Verbindung zu einer anderen Nervenzelle herstellt.

Lernt das Gehirn, werden zwischen Nervenzellen über die Synapsen Verbindungen hergestellt. So entstehen Schaltkreise im Gehirn, die stärker werden, je häufiger sie genutzt werden. Dieser Mechanismus lasse sich mit Memristoren nachbilden, erklärt Thomas in einem Aufsatz, der in der Märzausgabe der Fachzeitschrift Journal of Physics D: Applied Physics erscheinen wird. Das sei "ein erster Schritt zum neuromorphen Prozessor".

Wie bei einer Synapse ändern sich auch bei einem Memristor die Eigenschaften durch die Nutzung: Sein Widerstand hängt davon ab, wie stark der Strom war, der ihn früher durchflossen hat, und wie lange dieser Strom auf ihn eingewirkt hat. Aufgrund dieser Analogie eigneten sich Memristoren als Bauteile für ein künstliches Gehirn, sagt Thomas.

Zwar arbeite ein Memristor wie ein Bit, auf dem heutzutage Prozessoren beruhen, mit elektrischen Impulsen. Ein Bit kenne aber nur zwei Zustände: ein und aus. Der Widerstand des Memristors ändere sich aber kontinuierlich, weshalb er Informationen präziser speichere.

"Dadurch liefern Memristoren eine Grundlage zum allmählichen Lernen und Vergessen eines künstlichen Gehirns", erklärt Thomas. "Sie erlauben den Bau von äußerst stromsparenden und robusten Prozessoren, die von sich aus lernfähig sind."