MemrisTec
Viele Akteure des Schwerpunktprogramms MemrisTec besuchten die 7th International Conference on Memristive Materials, Devices & Systems (MEMRISYS 2024), die in Seoul (Korea) vom 10. bis 13. November 2024 stattfand.
Einen besonderen Erfolg gab es mit dem Best Poster Award für Richard Schroedter, der das Poster „An ErMnO3 memristive spiking neuristor“ präsentierte. Zum Team der Co-Author:innen gehören Ahmet Şamil Demirkol, Rong Wu, Catherine Dubourdieu und Ronald Tetzlaff.
Die MemrisTec-Mitglieder Ilia Valov und John Paul Strachan (beide vom FZ Jülich) wurden von der Nature-Redaktion ausgewählt, auf der zweiten Nature Conference on Neuromorphic Computing im Shangri-La Beijing, China, vom 13. Oktober 2024 bis 16. Oktober 2024 zu sprechen.
5 Jahre nach der 1. Konferenz werden sie mit einem interdisziplinären Publikum darüber diskutieren, wie man effizientere und intelligentere Rechensysteme schaffen kann. Unter den weiteren Referenten ist auch ein Mitglied des MemrisTec International Advisory Committee, Wei Lu von der University of Michigan, USA.
Wir möchten uns bei allen bedanken, die an unserem Girls’Day 2024 teilgenommen haben! Dr. Carsten Knoll leitete eine fesselnde praktische Sitzung, in der er den Schülerinnen künstliche Intelligenz durch Objekterkennung mithilfe von Minicomputern nahebrachte. Der Enthusiasmus und die Neugierde der jungen Mädchen waren wirklich inspirierend. Wir hoffen, dass die Teilnehmerinnen diese Erfahrung genossen und einige wertvolle Erkenntnisse gewonnen haben, die sie auf ihrem wissenschaftlichen Weg umsetzen können. Außerdem freuen wir uns auf weitere erfolgreiche Girl’s Day-Veranstaltungen in der Zukunft.
Die Auszeichnung für die beste Präsentation auf dem Workshop MemrisTec2024 erhielten die Nachwuchswissenschaftler vom Projekt MemTDE (Memristiver Zeitabstandskodierer): Johannes Hellwig und Dimitris Spithouris vom Peter-Grünberg-Institut 7 am Forschungszentrum Jülich als auch Hugh Greatorex vom CogniGron an der Universität Groningen in den Niederlanden wurden von der Jury aus dem MemrisTec Board hinsichtlich ihrer Präsentationsfähigkeiten am besten bewertet.
Der jährliche Workshop des Schwerpunktprogramms MemrisTec fand in diesem Jahr in Nürnberg an der FAU Erlangen-Nürnberg statt. Gastgeber war Prof. Dr. Dietmar Fey. Ort und Zeitpunkt des Workshops wurden gezielt gewählt um auch Demonstratoren, die in der ersten Förderphase entstanden sind, auf der Messe embedded world vorzustellen.
Dem MemTDE-Projektteam wünschen wir weiterhin alles Gute!
Die embedded world, die führende internationale Fachmesse für eingebettete Systeme, ging eben zu Ende. Zu den Ausstellern gehörte auch MemrisTec, das Forschungsprogramm, das sich der Entwicklung von memristiven Geräten für intelligente technische Systeme widmet. Unser Stand 5-140 auf der Messe erwies sich als Ziel für Branchenprofis und Technologiebegeisterte gleichermaßen.
Ende der 1960er Jahre schuf Leon Chua den Begriff Memristor, ein Kunstwort aus den Worten Speicher (engl.: Memory) und Widerstand (engl.: Resistor). Gemäß Chua‘s Schaltungstheorie fallen darunter alle Bauelemente, die in ihrem Strom-/Spannungsverlauf durch den Ursprungspunkt des Koordinatensystems verlaufen und dadurch im Gegensatz zu anderen nichtflüchtigen Speicherelementen, wie beispielsweise Ferritkernspeicher, eine gequetschte Hysteresekurve aufweisen. Wie bei allen nichtflüchtigen Speicherelementen geht der im Memristor gespeicherte Zustand auch nach dem Ausschalten der Betriebsspannung nicht verloren.
Zu dieser Klasse von memristiven Bauelementen gehören neben den bekannteren Elementen, wie resistiven ReRAMs (ReRAMs), Phasenwechsel-Speicher (PCMs), Spin-torque-Transfer Magnetresistiven RAMs (STT-MRAM) auch sog. ferroelektrische Tunnelsperrschicht Bauelemente (Ferroelectric Tunnel Junctions – FTJs). Letztere besitzen gegenüber den anderen genannten Varianten den großen Vorteil extrem niedriger Ausleseströme zu erzeugen.
Diesen Vorteil kann man für den Aufbau von eingebetteten KI-Architekturen auf der Basis des sog. Hyperdimensional Computing (HDC) nutzen, die eine Art Alternative zu tiefen neuronalen Netzen darstellen. In HDC-Systemen wird Information, z.B. gegeben in Form von einzelnen Vektoren, verteilt in den Einträgen eines sehr großen Vektors, genannt Hypervektor, gespeichert. Mit solchen HDC-Systemen lassen sich z.B. EMG-Signale analysieren, um damit Handgesten zu erkennen. Wichtig ist eine große Zahl von z.B. binären Einträgen in den Vektoren.
Diese werden z.B. in Matrix-förmigen Crossbarstrukturen abgespeichert. Dabei muss unter Umständen bei der Erkennung einer Geste eine große Zahl an Elementen in einer Spalte parallel ausgelesen und aufsummiert werden. Damit die Ströme nicht zu groß werden, ist es ratsam wenn die ausgelesenen Elemente nur geringe Ströme produzieren und genau dies ist bei den FTJs der Fall.
Um mit FTJs zukünftig zu realisierende Crossbarstrukturen in hochintegrierten Mixed-signal-Chips aufzubauen, müssen vorab Rechnerarchitekturstudien durchgeführt werden. Dies erlaubt die Crossbarstrukturen besser qualitativ und quantitativ zu bewerten. Ein Mittel dafür ist die Simulation.
Aus diesem Grund wird an der Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU) im Rahmen des von der Deutschen Forschungsgemeinschaft geförderten Schwerpunktprogramms Memristec (DFG SPP 2262) das Projekt „ReLoFemRis – Reconfigurable Logic and Multi-bit in-memory processing with ferroelectric memristors“ gefördert. In ReLoFemRis wurde in den letzten Jahren allgemein die Adaption von FTJs für Computerarchitekturen erforscht und dafür ein Bauelemente- und Architektursimulator in SystemC entwickelt.
Dieser Simulator wurde am Stand vorgestellt. Es wurde demonstriert, wie eine entsprechende Architektur für die Handgestenerkennung genutzt werden kann.
Die Artificial Intelligence Memristive Logic (AiML)-Technologie ist ein bahnbrechendes Memristor-basiertes Computing-in-Memory (CIM)-Startup, das für Edge-KI-Anwendungen maßgeschneidert ist. Durch memristive Arrays speichert sie nicht nur KI-Modellgewichte direkt auf dem Chip, sondern führt auch die Matrix-Matrix-Multiplikationen durch. In der Embedded-Welt von 2024 wird der AiML-Demonstrator Bildklassifizierungsfähigkeiten mit bemerkenswerter Effizienz und extrem niedrigem Stromverbrauch zeigen, die speziell auf Edge-KI-Einsätze zugeschnitten sind.
Mit dem ausgestellten Emulator lassen sich mit einem robusten, leicht zu modifizierendem System die elektrischen Eigenschaften des zukünftigen integrierten Chips charakterisieren und biologische Proben vermessen, so dass wir verschiedene Parametrierungen testen und die Interaktion der verwendeten Signalverarbeitung mit realen Nervengewebe untersuchen können.
Der Emulator verwendet neben mit diskreten Bauelementen bestückten Leiterplatten nur ein handelsübliches passives „Multi-Electrode-Array“ (MEA) und ein einfaches passives „Memrisive-Array“ (MEMA), welches auf einen blanken Standardwaver (mit SiO2 Beschichtung) prozessiert wird.
Prof. Dr. Anjana Devi, eine ausgewiesene Expertin auf dem Gebiet der Chemie funktioneller Nano- und 2D-Materialien, wurde zur Direktorin des Instituts für Materialchemie (IMC) am Leibniz-Institut für Festkörper- und Werkstoffforschung Dresden (IFW) berufen. Gleichzeitig wird sie voraussichtlich auf den renommierten Lehrstuhl für Materialchemie an der Fakultät Chemie und Lebensmittelchemie der Technischen Universität Dresden (TU Dresden) berufen.
Professor Dr. Anjana Devi, eine geschätzte Wissenschaftlerin indischer Herkunft, promovierte am Indian Institute of Science (IISc), Bangalore, Indien. Seit 1998 ist sie an der Ruhr-Universität Bochum tätig, wo sie seit 2011 die Professur für Anorganische Materialchemie innehat. Ihre außergewöhnlichen Beiträge auf diesem Gebiet wurden international anerkannt, wofür sie die Ehrendoktorwürde der Aalto-Universität, Finnland, erhielt.
Der Europäische Forschungsrat (ERC) hat einen Synergy Grant in Höhe von 13,5 Mio. EUR für das Projekt Stochastic Spiking Wireless Multimodal Sensory Systems (SWIMS) bewilligt, das von einem Konsortium aus vier renommierten Wissenschaftlern geleitet wird, darunter Professor Elisabetta Chicca von der Universität Groningen.
SWIMS zielt darauf ab, die Entwicklung intelligenter drahtloser multimodaler sensorischer Systeme zu revolutionieren, indem es sich von der nichtlinearen Signalübertragung inspirieren lässt, die im Nervensystem von Insekten wie Bienen beobachtet wird. Das Projekt schlägt einen Paradigmenwechsel in der digitalen Signalverarbeitung vor und konzentriert sich auf ein neuartiges stochastisches analoges spiking neuromorphes Konzept für Internet-of-Things (IoT)-Knoten.
Der Zuschuss unterstreicht die Bedeutung von SWIMS bei der Bewältigung des steigenden Energieverbrauchs digitaler Infrastrukturen und erkennt sein Potenzial an, einen Durchbruch bei der Energieeffizienz künftiger IoT-Technologien zu erzielen. An der internationalen Zusammenarbeit sind Forscher der TU Dresden, der UC Louvain, der EPFL und der Universität Groningen beteiligt, was die globale Bedeutung des Projekts unterstreicht. Mit dieser Förderung bekräftigt der ERC sein Vertrauen in SWIMS als Pionier bei der Entwicklung nachhaltiger und energieeffizienter IoT-Systeme.
Der SMACD’23 Best Paper Award on Emerging Technologies and Applications wurde für den Beitrag mit dem Titel „A Simplified Variability-Aware VCM Memristor Model for Efficient Circuit Simulation“ verliehen. Ein Team von Forschenden der Technischen Universität Dresden und des Forschungszentrums Jülich, Vasileios Ntinas, Dharmik Patel, Yongmin Wang, Ioannis Messaris, Dr. Vikas Rana, Stephan Menzel, Alon Ascoli und Ronald Tetzlaff, hat zu diesem Beitrag beigetragen. Dieses Projekt wurde innerhalb des DFG Schwerpunktprogramms MemrisTec gefördert.
Der prestigeträchtige IEEE Transactions on Circuits and Systems Darlington Best Paper Award wurde für die Forschungsarbeit mit dem Titel „How to Build a Memristive Integrate-and-Fire Model for Spiking Neuronal Signal Generation“ verliehen. Die von Sung Mo Kang, Donguk Choi, Jason K. Eshraghian, Peng Zhou, Jieun Kim, Bai-Sun Kong, Xiaojian Zhu, Ahmet Samil Demirkol, Alon Ascoli, Ronald Tetzlaff, Wei D. Lu und Leon O. Chua verfasste Arbeit stellt zwei kompakte memristive Modelle zur Erzeugung von spikenden neuronalen Signalen unter Verwendung leicht verfügbarer, kostengünstiger Komponenten vor. Das erste in der Arbeit vorgestellte Neuronenmodell heißt Memristive Integrate and Fire (MIF)-Modell. Es ermöglicht die neuronale Signalisierung durch die Verwendung von zwei Spannungsebenen: dem Spike-Peak und dem Ruhepotential. Das zweite vorgestellte Modell war MIF2, das noch einen Schritt weiter geht, indem es ein drittes refraktäres Spannungsniveau während der Hyperpolarisation einbezieht und so die lokale Anpassung fördert.
Eine der wichtigsten Auswirkungen dieser Forschung ist die mögliche Entwicklung eines memristiven Festkörpergehirns mit einer Schätzung seiner Oberfläche und seines Stromverbrauchs. Dieser Durchbruch dürfte weitere experimentelle Demonstrationen von memristiven Schaltkreisen fördern und den Weg für leichter zugängliche und kostengünstige Implementierungen ebnen. Analytische Hochrechnungen deuten darauf hin, dass ein memristives Festkörpergehirn mit einer Fläche und einem Volumen realisiert werden könnte, die dem eines durchschnittlichen menschlichen Gehirns entsprechen.
Die Auszeichnung dieser herausragenden Forschungsarbeit mit dem IEEE Transactions on Circuits and Systems Darlington Best Paper Award unterstreicht ihre Bedeutung und ihren Einfluss auf das Fachgebiet. Der Beitrag der Autoren zur Förderung des Verständnisses und der praktischen Anwendung von memristiven Schaltkreisen ist lobenswert, und es ist zu erwarten, dass ihre Arbeit weitere Durchbrüche auf dem Gebiet der Neurowissenschaften und der neuromorphen Technik inspirieren wird.
