Supraleitende Nanodraht-Neuronen erreichen Gehirn-Energieeffizienz
MIT-Design: Künstliche Neuronen aus supraleitenden Nanodrähten
Menschliches Gehirn: wenige Hz Takt, aber Billiarden Operationen/Sekunde parallel, minimaler Energieverbrauch. CPUs: GHz, aber hoher Ressourcen-/Energiebedarf für neuronale Netze.
Künstliches Neuron aus supraleitendem Nanodraht
Nachahmt biologische Neuronen-Eigenschaften:
- Elektrische Spikes zur Informationskodierung
- Schwellenwert-basiertes Feuern
- Refraktäre Periode (kein sofortiges Wiederfeuern)
- Laufzeit einstellbar via Schaltungseigenschaften
Nichtlinearität: Supraleitung bricht bei Strom > Schwelle zusammen → sprunghafter Widerstandsanstieg → Spannungspuls (analog zu biologischem Spike). Kann zweiten Nanodraht modulieren.
Energieeffizienz und Limitationen
- Theoretisch: 100 Billionen synaptische Operationen/Sekunde/Watt (gehirnvergleichbar)
- Simulationen vielversprechend für großskalige neuromorphe Prozessoren (Spiking NN, Mustererkennung)
- Limitierung: Nanodraht-Neuronen verbinden sich nur mit wenigen anderen (biologisch: tausende)
- Bisher nur Design, Proof-of-Principle fehlt
Quelle: arXiv:1907.00263
Industrietechnik
- KI erkennt Alzheimer 6 Jahre früher mit 100 % Genauigkeit
- KI dekodiert Visuelle-Cortex-Neuronenpräferenzen: Wie sie Bilder «wählen»
- Die selbstfahrende Lieferkette: Revolution in Logistik und Risikomanagement
- Warum der menschliche Faktor für Cybersicherheitserfolg essenziell ist
- Digitale Frachtbroker: Zukünftige Staus lösen & Lieferzuverlässigkeit sichern
- Wie COVID-19 die Genauigkeit von Versanddaten transformiert
- Wie COVID-19 die Einhaltung von Menschenrechten in Fabriken untergräbt
- Wie Technologie Effizienz in der Letzten Meile treibt
- Kann ein verzögerter Übergang zu Elektrofahrzeugen Supply Chains nützen?
- KI nutzen, um die globale Lieferkettenkrise zu überwinden