Schallwellen machen KI-Chips effizienter

Forschende haben einen neuartigen Ansatz für das neuromorphe Computing entwickelt, der Schallwellen nutzt, um gehirnähnliche Abläufe nachzuahmen. Das könnte den Energieverbrauch im Vergleich zu herkömmlichen elektronischen KI-Chips drastisch senken. Die Innovation adressiert eines der größten Probleme der Künstlichen Intelligenz: den enormen Strombedarf, der für den Betrieb großer neuronaler Netze nötig ist. Neuromorphe Chips sind darauf ausgelegt, die Struktur und Funktion biologischer Gehirne nachzuahmen. Sie nutzen spikende neuronale Netze, die Informationen ähnlich wie Neuronen verarbeiten. Allerdings leiden traditionelle elektronische Umsetzungen weiterhin unter Energieineffizienz, besonders bei den Verbindungen zwischen den künstlichen Neuronen. Durch den Einsatz von Schallwellen – genauer gesagt, akustischen Oberflächenwellen – haben die Forscher ein System geschaffen, bei dem Informationen durch mechanische Schwingungen und nicht durch elektrische Ströme übertragen werden. Dieser Ansatz ahmt die Art und Weise, wie biologische Neuronen kommunizieren, genauer nach, indem er Wellenausbreitung nutzt, um Signale mit minimalem Energieverlust zu übertragen. In Labortests demonstrierte der schallwellenbasierte neuromorphe Chip die Fähigkeit, Mustererkennungsaufgaben mit einem Bruchteil der Energie durchzuführen, die herkömmliche elektronische Chips benötigen. Die Forscher berichteten von Energieeinsparungen von bis zu 100x in bestimmten Konfigurationen, warnen jedoch, dass weitere Entwicklungen nötig sind, um die Technologie zu skalieren. Die Auswirkungen sind bedeutend. Energieeffiziente neuromorphe Chips könnten KI-Verarbeitung auf Endgeräten wie Smartphones, Wearables und IoT-Sensoren ermöglichen und so die Abhängigkeit von Cloud-Computing verringern. Sie könnten auch groß angelegtes KI-Training nachhaltiger machen und damit die wachsenden Bedenken hinsichtlich des CO2-Fußabdrucks von Rechenzentren adressieren. Herausforderungen bleiben bestehen, darunter die Komplexität der Fertigung, die Integration mit bestehenden siliziumbasierten Systemen und die Gewährleistung der Zuverlässigkeit über die Zeit. Dennoch stellt der Schallwellenansatz eine vielversprechende Richtung für das neuromorphe Computing dar und bringt uns näher an KI-Hardware, die wirklich wie ein Gehirn denkt – ohne das Stromnetz zu überlasten.