Revolutionäre KI-Chips: Neue Technologien für maximale Leistung

• Zukunft der KI-Chips: Forschung an neuen Technologien wie 3D-Integrationschips, Laser-Chips und neuromorphen Chips versprechen höhere Rechenleistung und Energieeffizienz
• Grenzen der Von-Neumann-Architektur: Traditionelle Chips stoßen an physikalische Grenzen und benötigen neue Ansätze.
• Innovative Anwendungen: Fortschritte wie Intels Hala Point zeigen das Potenzial neuromorpher Systeme für die KI-Entwicklung.

Herausforderungen für schnellere KI

ChatGPT und andere KI-Anwendungen erbringen bereits jetzt erstaunliche Leistungen in sehr kurzer Zeit. Gäbe es allerdings schnellere Computer, könnten sie noch viel leistungsfähiger sein. Doch die Entwicklung von immer kleineren Chips mit immer mehr Leistung scheint an ihre physikalischen Grenzen zu kommen. Die Forschung tüftelt aus diesem Grund an den Mikrochips der Zukunft und verfolgt dabei neue Ansätze.

3D-Integrationschips: Die Zukunft der Mikroprozessoren

Im Januar haben Forschende erstmals Computerchips hergestellt, in denen zehntausende Transistoren in mehreren Lagen übereinanderliegen. Es handelt sich dabei um monolithische 3D-Chips, die direkt bei der Herstellung in einen Halbleiterblock eingeprägt wurden. Mit Silizium als Halbleiter wäre diese Herstellung nicht möglich, da die Temperaturen bei der Schichterzeugung für Silizium zu hoch sind. Stattdessen wurde Molybdändisulfid und Wolframdiselenid verwendet. Graphen würde sich ebenfalls dafür eignen. Diese Halbleitermaterialien sind nur eine Atomlage dünn, gut stapelbar und ermöglichen eine besonders hohe Transistordichte. 3D-Chips ermöglichen, mehr Rechenleistung auf kleinerem Raum unterzubringen.

Von-Neumann-Architektur: Ist das Ende der traditionellen Chip-Architektur erreicht?

Herkömmliche Mikrochips basieren auf der sogenannten Von-Neumann-Architektur. Dabei gibt es eine klare Trennung zwischen Speicher und Prozessor. Bei einer Rechenoperation „wandern die Daten“ vom Speicher zum Prozessor, werden dort verarbeitet und dann wieder zurück an den Speicher geschickt. Das Prinzip schränkt die Fähigkeit ein, große Datenmengen schnell und effizient zu verarbeiten und verbraucht große Energiemengen. Außerdem sind diese Chips für spezifische Aufgaben programmiert und können sich nicht dynamisch an neue Aufgaben anpassen. Schließlich stoßen sie an physikalische Grenzen, was eine weitere Miniaturisierung der Transistoren angeht – und für mehr Leistung brauchen sie mehr Transistoren.

Laser-Chips: Wie Licht die Leistung von Mikrochips steigern kann

Während herkömmliche Mikrochips auf einem durch Transistoren geregelten Elektronenfluss beruhen, arbeitet ein Laser-Chip mit Licht statt Elektronen. Wissenschaftler der TU Berlin und des MIT in Boston haben einen solchen Chip entwickelt. Bei den Laser-Chips werden statt Elektronen Lichtteilchen (Photonen) durch lichtleitende Materialien und Strukturen in den Chips geführt. Sie können sich gegenseitig beeinflussen und ermöglichen dadurch mathematische Operationen mit hoher Geschwindigkeit.

Neuronale Netzwerke: Die Rolle von KI bei der Entwicklung neuer Chip-Technologien

Die Architektur des Laser-Chips bildet dabei ein neuronales Netz. Das ist ein Computermodell, das biologische neuronale Netzwerke im menschlichen Gehirn nachahmt. Neuronale Netze werden für maschinelles Lernen und KI eingesetzt, vor allem bei Aufgaben wie Bilderkennung, Sprachverarbeitung, Mustererkennung und Vorhersagen. Die ersten Tests mit dem Laser-Chip zeigten, dass sie 100 Mal energieeffizienter sind und eine zwanzigfache Rechenkapazität bei gleicher Fläche zur Verfügung stellen als die besten elektronischen Digitalprozessoren. Solche Laser-Chips könnten zum Beispiel in Smartphones eingebaut werden und ein Turbo für ChatGPT werden. Noch werden sie allerdings nicht industriell hergestellt.

Neuromorphe Chips: Revolutionäre KI-Technologie und praktische Anwendungen

Weltweit arbeiten Forscher und Entwickler an Computern, die grundlegend anders funktionieren. Eine vielversprechende Technologie sind dabei neuromorphe Chips wie dieser Laser-Chip. Wie das menschliche Gehirn besitzen sie stark vernetzte künstliche Neuronen und Synapsen. Neuromorphe Chips können gespeicherte Daten zur Weiterentwicklung der eigenen Fähigkeiten nutzen und dadurch Probleme lösen, für die sie nicht speziell programmiert worden sind. Sie haben eine größere Rechenleistung, weil sie wie das menschliche Gehirn Informationen gleichzeitig speichern und verarbeiten. Sie sind zwar weniger flexibel als klassische Mehrzweckprozessoren (GPUs), aber besonders leistungsfähig und energieeffizient. Damit können sie KI auf die nächste Stufe bringen und gleichzeitig ihren immensen Energiehunger erheblich reduzieren.

Intel hat kürzlich das neuromorphe System Hala Point vorgestellt, welches das größte seiner Art ist und auf 1152 neuromorphen Prozessoren basiert. Sie bilden 1,15 Milliarden Neuronen und 128 Milliarden Synapsen nach.

Fazit: Die digitale Revolution geht weiter

Die Erfindung des Mikrochips im Jahr 1958 hat die digitale Revolution ausgelöst und unsere Welt völlig verändert. Mit den neuen Entwicklungen wird KI weiteren Antrieb bekommen – und das Innovationstempo wird immer schneller.

Lesen Sie hier weitere Beiträge zu dem Fokusthema Mikrochips.

Quellen:

Erster Computerchip mit drei Lagen
KI für’s Smartphone: Optische neuronale Netze werden durch neuen Laser kleiner und effizienter
Neue Lasertechnik für Überlegenheit gegenüber herkömmlichen Chips
Computer nach dem Vorbild des Gehirns
Neuromorphe Hardware
Neuromorphe Chips machen KI nachhaltig
Hala Point: Intel baut das bisher größte neuromorphe Netzwerk
Intels Gehirn-Simulator hat die Rechenkapazität einer Eule