Anzeige
Phänomene

Plastizität ist Trumpf

Die Herausforderung der künstlichen Synapsen

Bisher war beim Entwurf einer „Ersatzschaltung“ nur von Nervenzellen die Rede. Mindestens genauso wichtig sind aber die Kontaktstellen, die Synapsen. Und zwar aus zweierlei Gründen: Zum einen gibt es viele tausend Mal mehr Synapsen als Nervenzellen. Ein banales Argument wie der Platzbedarf wird so plötzlich zum bestimmenden Element der Realisierbarkeit. Zum anderen sind die Synapsen zumindest teilweise dafür verantwortlich, dass sich neuronale Netze selbstständig organisieren. Diese Fähigkeit wird von Neurowissenschaftlern als „Plastizität“ bezeichnet.

Der "Heidelberger Netzwerkchip": 5x5 mm klein, mit 384 künstlichen Nervenzellen und 100.000 Synapsen © Universität Heidelberg / Ruperto Carola

Für den „Heidelberger Neurochip“ ist die Plastizität die wichtigste Herausforderung. Sowohl die Nervenzellen als auch die Synapsen werden von uns als analoge Schaltungen realisiert. Es handelt sich also in gewisser Weise um eine Rückkehr zur alten Idee des Analogrechners. Wegen der identischen Funktionsweise des biologischen Vorbildes ist dies ­eine interessante Idee.

Es fehlt jedoch noch ein Element: das Aktionspotenzial – die eigentliche Information im Netzwerk. Natürlich sind die Aktionspotenziale im biologischen System auch analoge Spannungsverläufe, jedoch sind sie mit sehr guter Genauigkeit alle identisch. Aktionspotenziale im biologischen Netzwerk tragen eigentlich nur zwei Informationen: „woher?“ und „wann?“. Dieses Woher-und-wann entspricht genau dem elektrischen Prinzip in unseren vertrauten Computernetzwerken. Auch dort sind alle Impulse gleich – nur das Muster zählt.

Kombination von analog und digital

Die Heidelberger Wissenschaftler entschlossen sich aus diesem Grund dazu, analoge und digitale Elektronik im Neurochip zu kombinieren: Die lokale Informationsverarbeitung in den Zellen über Synapsen und Neuronen ist analog, die Kommunikation über Aktionspotenziale erfolgt mit konventioneller Digitalelektronik. Der Vorteil dieses Ansatzes liegt auf der Hand: Durch den Einsatz perfekt entwickelter Schalttechnik zum Übertragen digitaler Daten mit höchsten Geschwindigkeiten lassen sich in der Größe fast beliebig skalierbare Netze aufbauen, die in biologisch relevante Größenordnungen vorstoßen.

Sehr klein und 1.000 Mal schneller

Die beschriebenen synthetischen Neuroschaltungen haben eine Reihe bemerkenswerter Eigenschaften. So sind die verwendeten Kondensatoren im Nervenzellmodell ausgesprochen klein. Viel kleiner als kommerziell erhältliche Einzelbauelemente. Kleine Kondensatoren werden sehr schnell aufgeladen und entladen. Verglichen mit dem biologischen Vorbild laufen die Heidelberger Netzwerkchips darum etwa einhunderttausend Mal schneller. Um Hirnvorgänge wie Plastizität und Lernprozesse zu untersuchen, ist diese Eigenschaft ausgesprochen wichtig. Denn die neuronale Dynamik eines Tages lässt sich so auf dem Chip zu einer Sekunde komprimieren. Auf diese Art und Weise kann die Funktion von Netzwerken mit vielen veränderten Parametern systematisch untersucht werden.

Anzeige

Eine andere wichtige Eigenschaft ist die Energieaufnahme. Im Gegensatz zur Lösung einer mathematischen Differentialgleichung erfordert das Aufladen eines Kondensators wenig Energie. Ein über weite Strecken analoges Modell eines neuronalen Netzes ist also ähnlich energieeffizient wie das biologische Vorbild.

  1. zurück
  2. |
  3. 1
  4. |
  5. 2
  6. |
  7. 3
  8. |
  9. 4
  10. |
  11. 5
  12. |
  13. 6
  14. |
  15. 7
  16. |
  17. 8
  18. |
  19. 9
  20. |
  21. weiter

Karlheinz Meier / Universität Heidelberg / Ruperto Carola
Stand: 31.10.2008

Teilen:
Anzeige

In den Schlagzeilen

Inhalt des Dossiers

Auf dem Weg zum künstlichen Gehirn?
Wissenschaftler arbeiten an Computern nach dem Vorbild des Gehirns

Vom Reiskorn zum Moore‘schen Gesetz
Wie weit ist die Informationstechnologie?

Ähnlich aber grundsätzlich verschieden
Strukturelle Unterschiede zwischen Gehirn und Computer

Kein zentraler Takt
Kommunikation von Nervenzellen im Gehirn

2.500 Gigabyte pro Sekunde
Ist das Gehirn zu komplex für einen „Nachbau“?

Ein Kondensator als Nervenzell-Modell
Analoge Technik simuliert biologische Funktion

Plastizität ist Trumpf
Die Herausforderung der künstlichen Synapsen

Ohne Interdisziplinarität geht es nicht
Projekt verbindet Physiker und Neurobiologen

Tausend Kubikmillimeter Kortex
Was bringen die neuen neuronalen Netze?

Diaschauen zum Thema

News zum Thema

Gehirn denkt weniger chaotisch als gedacht
Neuronale Aktivität manchmal erstaunlich gut vorhersagbar

Schnellster Laufroboter der Welt lernt Bergsteigen
Forscher simulieren neuronale Grundlagen der Bewegungsanpassung

Laufroboter mit Nervensystem
Heuschrecken als Vorbild für neuronale Steuerung von Maschinen

Dossiers zum Thema