Memristoren imitieren die „grauen Zellen“

Bielefeld的科学家们通过实验验证了构建类人脑计算机的目标是可以实现的。他们使用名为Memristors的电子元件,这些元件在功能上类似于大脑中的神经元,能够自行调整其行为,例如在太空任务中自主决定是否记录未知物体,并收集数据发送回地球。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

Ein Rechner, der funktioniert wie ein menschliches Gehirn - davon kann die Computerbranche bislang nur träumen. Bielefelder Wissenschaftler haben jetzt immerhin bewiesen, dass das Ziel erreichbar ist.

 

Bielefeld/Berlin/Aachen Wer das Labor von Andy Thomas betritt, sieht gelb. „Das Gelblicht brauchen wir, weil wir mit lichtempfindlichem Lack arbeiten“, erklärt der Experimental-Physiker. Thomas und sein Team von der Bielefelder Universität erforschen die sogenannten Memristoren. Ihre Messungen belegen, dass die elektronischen Bauteilchen ähnlich funktionieren wie die oft zitierten „grauen Zellen“. Das Ziel, einen Computer zu bauen, der ähnlich arbeitet wie das menschliche Gehirn, scheint einen Schritt näher gerückt zu sein.

Mit Hilfe der Memristoren sollen Computer entstehen, die beispielsweise selbstständig von ihrer Programmierung abweichen können, wenn eine neue Verbindung häufiger genutzt wird als die ursprüngliche: Wenn etwa eine Sonde auf Weltraummission ein unvorhergesehenes Objekt gleich mehrfach registriert, könnte sie eigenständig einen Beschluss fassen, nämlich dass es von Belang sein könnte, zumindest Daten über die Begegnung zu sammeln und zur Erde zu senden.

Der Bielefelder Physiker Thomas hält eine kreisrunde Grundplatte in der Hand, den „Wafer“. Hier befinden sich mehrere hauchdünne, metallhaltige Schichten übereinander. Das Herzstück besteht aus einer Schicht Magnesiumoxid, die auf beiden Seiten von Kobalt-Eisen-Bor umgeben ist. Zusammen bilden sie die Funktionsschicht, aus der mittels Fotolithografie und Ätzung die Memristoren entstehen.

Dazu wird die Funktionsschicht mit Fotolack überzogen und belichtet. Was nach der Entwicklung vom Lack übrig bleibt, markiert die späteren Memristoren. Und nur, was sich unter dem Lack befindet, bleibt, die restliche Funktionsschicht wird komplett weggeätzt. Am Ende befinden sich auf dem Wafer zahlreiche winzige Türmchen der dreiteiligen Funktionsschicht: eine Vielzahl von Memristoren, die zusammen ein Nano-Speicherelement bilden, das Thomas und sein Team für ihre Untersuchungen benötigen.

 

Stichwort: Memristoren

Wortherkunft

Der Name Memristor setzt sich zusammen aus den Worten „memory“ (Speicher) und „resistor“ (elektrischer Widerstand).

Ursprünge der Forschung

Die theoretische Basis für Speicherelemente mit Gedächtnisleistung legte 1971 der Amerikaner Leon Chua. Allerdings nahm dann die Entwicklung von Transistoren als Speicher einen zielgerechteren Verlauf als die Erforschung von Memristoren, Chuas Idee geriet in Vergessenheit. 2008 wurde seine Theorie von Wissenschaftlern des Unternehmens Hewlett Packard wiederentdeckt und ein erster Memristor entwickelt. Sie lösten damit eine neue Forschungswelle aus.

Forschungsstand

Inzwischen erforschen weltweit 30 Teams Memristoren. Die Chancen liegen in der hohen Leistungsfähigkeit bei geringem Energieaufwand. Praktische Anwendung finden Memristoren noch nicht. Denkbar ist die Ersetzung von Transistoren durch die viel kleineren Memristoren, aber auch die Entwicklung künstlicher Netzwerke, die sich den Funktionen eines menschlichen Gehirns nähern. Am konkretesten klingen Pläne, Memristoren auf Speicherkarten für Digitalkameras einzusetzen.

Weiterführende Quellen

Universität Bielefeld: Künstliche Nerven reagieren wie die echten

RWTH Aachen: „Green chips“ für den Computer von übermorgen

 

 

内容概要:《2024年中国城市低空经济发展指数报告》由36氪研究院发布,指出低空经济作为新质生产力的代表,已成为中国经济新的增长点。报告从发展环境、资金投入、创新能力、基础支撑和发展成效五个维度构建了综合指数评价体系,评估了全国重点城市的低空经济发展状况。北京和深圳在总指数中名列前茅,分别以91.26和84.53的得分领先,展现出强大的资金投入、创新能力和基础支撑。低空经济主要涉及无人机、eVTOL(电动垂直起降飞行器)和直升机等产品,广泛应用于农业、物流、交通、应急救援等领域。政策支持、市场需求和技术进步共同推动了低空经济的快速发展,预计到2026年市场规模将突破万亿元。 适用人群:对低空经济发展感兴趣的政策制定者、投资者、企业和研究人员。 使用场景及目标:①了解低空经济的定义、分类和发展驱动力;②掌握低空经济的主要应用场景和市场规模预测;③评估各城市在低空经济发展中的表现和潜力;④为政策制定、投资决策和企业发展提供参考依据。 其他说明:报告强调了政策监管、产业生态建设和区域融合错位的重要性,提出了加强法律法规建设、人才储备和基础设施建设等建议。低空经济正加速向网络化、智能化、规模化和集聚化方向发展,各地应找准自身比较优势,实现差异化发展。
数据集一个高质量的医学图像数据集,专门用于脑肿瘤的检测和分类研究以下是关于这个数据集的详细介绍:该数据集包含5249张脑部MRI图像,分为训练集和验证集。每张图像都标注了边界框(Bounding Boxes),并按照脑肿瘤的类型分为四个类别:胶质瘤(Glioma)、脑膜瘤(Meningioma)、无肿瘤(No Tumor)和垂体瘤(Pituitary)。这些图像涵盖了不同的MRI扫描角度,包括矢状面、轴面和冠状面,能够全面覆盖脑部解剖结构,为模型训练提供了丰富多样的数据基础。高质量标注:边界框是通过LabelImg工具手动标注的,标注过程严谨,确保了标注的准确性和可靠性。多角度覆盖:图像从不同的MRI扫描角度拍摄,包括矢状面、轴面和冠状面,能够全面覆盖脑部解剖结构。数据清洗与筛选:数据集在创建过程中经过了彻底的清洗,去除了噪声、错误标注和质量不佳的图像,保证了数据的高质量。该数据集非常适合用于训练和验证深度学习模型,以实现脑肿瘤的检测和分类。它为开发医学图像处理中的计算机视觉应用提供了坚实的基础,能够帮助研究人员和开发人员构建更准确、更可靠的脑肿瘤诊断系统。这个数据集为脑肿瘤检测和分类的研究提供了宝贵的资源,能够帮助研究人员开发出更准确、更高效的诊断工具,从而为脑肿瘤患者的早期诊断和治疗规划提供支持。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值