Das Wichtigste in Kürze
- Rekordleistung: Der neue Chip erreicht eine Latenz von 2,12 Millisekunden pro Iteration bei der dynamischen Rekonstruktion der Hirnoberfläche und ist damit 50- bis 478-mal schneller als Systeme auf Basis von Nvidia-A100-GPUs.
- Technologie: Das Bauteil nutzt Phasenwechsel-Memristoren und macht sich die "Leitwertdrift" für kontrollierbares In-Memory-Computing zunutze, wodurch der Datentransfer zwischen Speicher und Prozessor entfällt.
- Praktische Bedeutung: Der Chip senkt den Energieverbrauch um bis zu das 24-Fache und eröffnet Einsatzmöglichkeiten in der chirurgischen Neuronavigation, der Früherkennung neurodegenerativer Erkrankungen und bei Gehirn-Computer-Schnittstellen.
Ein Chip rekonstruiert das Gehirn in Echtzeit
Ein Team unter der Leitung von Professor Yang Yuchao von der Peking-Universität hat in Zusammenarbeit mit dem Institut für Mikrosysteme und Informationstechnologie der Chinesischen Akademie der Wissenschaften einen Chip entwickelt, der die Oberfläche der Hirnrinde in Echtzeit rekonstruieren kann. Die in Science veröffentlichten Ergebnisse beschreiben das Bauteil als weltweit erstes System für dynamische neuronale Modelle auf Basis von Phasenwechsel-Memristoren.
Der Flaschenhals der von-Neumann-Architektur
Herkömmliche Computer trennen Speicher und Prozessor physisch voneinander. Jede komplexe Berechnung erfordert einen ständigen Datentransfer zwischen den beiden Einheiten – ein Vorgang, der Zeit und Energie kostet. Diese Trennung, bekannt als von-Neumann-Flaschenhals, hat es bislang unmöglich gemacht, die Komplexität des menschlichen Gehirns in Echtzeit abzubilden.
Rechnen innerhalb des Speichers
Das Team machte sich die Leitwertdrift zunutze, eine physikalische Eigenschaft von Phasenwechsel-Memristoren, die bislang als Fehlerquelle galt, und verwandelte sie in ein Rechenwerkzeug. Der daraus entstandene Chip speichert Daten und führt gleichzeitig mathematische Operationen in sich selbst aus – ein Ansatz, der als kontrollierbares In-Memory-Computing bezeichnet wird. Laut Yang übernimmt die physikalische Entwicklung des Bauteils selbst nun Vorgänge, die zuvor digitale Taktzyklen, Cache-Zugriffe und Datentransfers erforderten.
Die Zahlen des Experiments
Der in einem 40-Nanometer-Fertigungsprozess hergestellte Chip erreichte eine Latenz von 2,12 Millisekunden pro einzelner Iteration und markiert damit den ersten Einstieg von Hardware für dynamische neuronale Systeme in die Millisekunden-Ära. Bei Tests zur Rekonstruktion der Hirnrinde übertraf er die Geschwindigkeit von Systemen auf Basis von Nvidia-A100-GPUs um das 50- bis 478-Fache und übertraf in einigen Fällen sogar spezialisierte Prozessoren (ASICs) um bis zu das 36-Fache. Der Energieverbrauch lag um bis zu das 24-Fache unter dem herkömmlicher Lösungen.
Die klinischen Anwendungen im Blick
Die Fähigkeit, dreidimensionale Hirnkarten in Echtzeit zu erstellen, eröffnet einen direkten Einsatz in der intraoperativen Neuronavigation, mit potenziellen Vorteilen für die Präzision während chirurgischer Eingriffe. Das gleiche Prinzip könnte das frühzeitige Screening neurodegenerativer Erkrankungen wie Alzheimer durch die kontinuierliche Analyse von Hirnstrukturen ermöglichen. Zudem gilt der Chip als vielversprechender Kandidat, um die Entwicklung von Gehirn-Computer-Schnittstellen sowie den Aufbau personalisierter digitaler Zwillinge des Gehirns voranzutreiben – virtuelle Modelle, die zur Erprobung von Therapien und zur Verfolgung des Krankheitsverlaufs bei einzelnen Patienten eingesetzt werden können.
