de.wedoany.com-Bericht: Forscher der Oregon State University haben ein lichtempfindliches digitales Speicherbauelement entwickelt, das Sensorik, Speicherung und Signalverarbeitung in einem einzigen Phototransistor integriert. Dies könnte die Energiekosten zukünftiger KI-Hardware senken.
Das Bauelement wurde von der Fakultät für Ingenieurwissenschaften der Oregon State University entwickelt und die Ergebnisse wurden in der Fachzeitschrift „Advanced Functional Materials“ veröffentlicht. Sein Design ahmt die entscheidende Fähigkeit des Gehirns nach, wichtige Erinnerungen zu verstärken, während unwichtige Informationen mit der Zeit verblassen. Das neue Bauelement verlagert den KI-Verarbeitungsprozess näher an den Sensor, anstatt Daten zwischen separaten Hardwaremodulen zu übertragen, und erledigt so einen Teil der Arbeit direkt am Ort der Lichteinstrahlung.
Projektleiter Larry Cheng, Professor für Elektrotechnik und Informatik, erklärte: „Unser optoelektronisches Bauelement führt eine neue Hardwarefähigkeit ein, die möglicherweise eine effizientere Informationsverarbeitung direkt auf der Sensorebene ermöglicht.“ Aktuelle KI-Hardware verteilt die an der maschinellen Wahrnehmung beteiligten Funktionen Sensorik, Speicherung und Verarbeitung auf verschiedene Komponenten, sodass Daten häufig hin- und herwandern müssen, was Energie verbraucht und die Effizienz verringert.
Das Bauelement der Oregon State University löst diese Herausforderung, indem es einen Teil der Speicher- und Verarbeitungsfunktionen direkt in den Lichtsensor integriert. Es verwendet einen Phototransistor, der aus zwei verschiedenen Materialien besteht: Ein Oxidhalbleiter bildet den Transistorkanal (den Pfad, durch den der Strom fließt), und eine lichtempfindliche organische Schicht befindet sich darüber, um Licht zu absorbieren und Ladungen zu erzeugen. Wenn Licht auf das Bauelement trifft, wird ein Teil der Ladung in der lichtempfindlichen Schicht eingefangen. Selbst wenn das Licht verschwindet, beeinflussen die eingefangenen Ladungen weiterhin den Strom, der durch den Halbleiterkanal fließt, sodass das Bauelement eine Erinnerung an das zuvor erfasste Lichtsignal behält.
Die Erinnerung ist nicht statisch. Durch Anlegen einer kleinen elektrischen Gate-Spannung können die Forscher die Position der eingefangenen Ladungen relativ zum Transistorkanal verändern. Wenn sich die Ladungen dem Kanal nähern, wird der Effekt verstärkt und die Erinnerung hält länger an; wenn sie sich entfernen, wird der Effekt abgeschwächt und die Erinnerung verblasst schneller. Dieses Verhalten ähnelt der Art und Weise, wie das biologische Gehirn Erinnerungen reguliert: Im Gehirn entscheiden chemische Signale darüber, ob eine Erinnerung verstärkt oder vergessen wird; im Bauelement übernehmen elektrische Signale eine ähnliche Rolle und verleihen der Hardware eine programmierbare Gedächtnisdauer.
Dies ist besonders nützlich für den Bereich des neuromorphen Rechnens (neuromorphic computing), der versucht, Computersysteme zu bauen, die biologische neuronale Netze nachahmen. Es fügt sich auch in den breiteren Trend zum In-Sensor-Computing (Sensor-internes Rechnen) ein, bei dem Daten am Erfassungspunkt verarbeitet werden, anstatt sie zu separaten Prozessoren und Speichern zu senden. Für KI-Visionssysteme bedeutet dies, dass die Hardware visuelle Informationen filtern, gewichten und vorübergehend speichern kann, bevor sie den traditionellen Prozessor erreichen. Roboter, Drohnen, Überwachungskameras oder autonome Systeme müssen möglicherweise nicht jedes visuelle Signal für immer speichern; manche Informationen erfordern nur kurze Aufmerksamkeit, andere müssen länger behalten werden, und wieder andere sollten fast sofort verschwinden.
Larry Cheng sagte: „Dieser lichtempfindliche Speicher mit programmierbarer Gedächtnisdauer schafft ein einstellbares Zeitfenster für die Verarbeitung von visuellen und anderen Sensorsignalen direkt am Erfassungspunkt. Diese Fähigkeit könnte effizientere Visionssysteme und andere sensorbasierte KI-Technologien ermöglichen.“ Die Forschung befindet sich noch auf Bauelementebene und kann aktuelle KI-Beschleuniger oder Bildsensoren nicht direkt ersetzen. Diese Richtung zeigt jedoch einen Hardware-Entwicklungspfad auf, der es zukünftigen KI-Systemen ermöglichen könnte, weniger von der ständigen Datenbewegung zwischen Sensoren, Speichern und Prozessoren abhängig zu sein. Bei erfolgreicher Skalierung könnten KI-Geräte schneller, kompakter und energieeffizienter werden, insbesondere in Edge-Systemen, wo Energieeffizienz entscheidend ist.
Dieser Artikel wurde von Wedoany übersetzt und bearbeitet. Bei jeglicher Zitierung oder Nutzung durch künstliche Intelligenz (KI) ist die Quellenangabe „Wedoany“ zwingend vorgeschrieben. Sollten Urheberrechtsverletzungen oder andere Probleme vorliegen, bitten wir Sie, uns unverzüglich zu benachrichtigen. Wir werden den entsprechenden Inhalt umgehend anpassen oder löschen.
E-Mail: news@wedoany.com
