Hardwarebasierte KI-Anwendungen der Zukunft benötigen neuartige Rechnerarchitekturen, um den Anforderungen des parallelen Rechnens gerecht zu werden. An der Universität Siegen entwickelte, memristive Bauteile und Rechennetzwerke können dabei helfen.

Durch die immer weiter fortschreitende Entwicklung komplexer Rechnerarchitekturen ergibt sich ein immenser Bedarf für fundamental neuartige Hardware zur effizienten Realisierung.

In den klassischen Computerarchitekturen gibt es eine klare Trennung zwischen Recheneinheit und Speicher. Um aktuelle und zukünftige KI-Anwendungen effizient ausführen zu können, wird hingegen Hardware benötigt, die eine Kombination aus Speicher und Recheneinheit darstellt. Die Universität Siegen entwickelt Bauelemente, sogenannte Memristoren, auf Basis amorpher Materialien, um leistungsstarke und energieeffiziente Hardware für diese Anwendungsfelder zu ermöglichen. Der Memristor stellt dabei eine Mischung aus elektrischem Widerstand und Speichereinheit dar, wobei sich der elektrische Widerstand in Abhängigkeit des vorher angelegten Signals um Größenordnungen ändert.

Forschern der Universität Siegen gelang es bereits erfolgreich, entwickelte Memristorprototypen in einer dreiwertigen Logik zu verschalten und so ternäre UND (TAND) sowie ODER (TOR) Logiken zu demonstrieren. Gegenüber konventioneller Binärlogik erhöhen sich bei dreiwertigen Logiken die möglichen Zustände exponentiell. Somit wird eine starke Vereinfachung der Recheneinheit bei gleichzeitiger Leistungssteigerung ermöglicht[1]. Ein weiterer Vorteil der Memristoren ergibt sich dadurch, dass diese Bauteile auf klassischen Silizium-Halbleiterchips in Niedertemperaturverfahren aufgebracht und mit dieser Technologie effizient kombiniert werden können.

Die Universität Siegen erforscht weiterhin den Einsatz von Memristoren für Neuromorphe Computing Anwendungen sowie Sensorintegrationspotentiale.

Neuromorphes Computing bezeichnet dabei die Entwicklung von Computersystemen, die Aufgaben unter Nutzung von Synapsen und Neuronen, ähnlich der Funktion des menschlichen Gehirns, lösen.

Sogenannte Generative Adversarial Networks (kurz: „GAN“), welche aktuell für das Erzeugen von KI-Bildern eingesetzt werden, könnten so zukünftig durch den Einsatz von Memristoren als rein analoge „Neuronale Netzwerke“ realisiert werden, wodurch KI-Berechnungen wesentlich effizienter durchgeführt werden könnten[2]. Forschungsaktivitäten der Naturwissenschaftlich-Technischen Fakultät der Universität Siegen zielen weiterhin darauf ab, Recheneinheiten und Sensoren in Hardware zu kombinieren, um neuartige Kamerasysteme zu entwickeln die zeitgleich Bilder aufnehmen, analysieren und bewerten. Um die aufgezeigten Anwendungen effizient umzusetzen und tiefgehend zu erforschen, werden geeignete Memristorstrukturen von den Forschenden untersucht und gefertigt. Innerhalb des aktuellen Reinraums am Lehrstuhl für Graphen-basierte Nanotechnologie unter Leitung von Prof. Haring Bolívar, werden mittels physikalischer und chemischer Gasphasenabscheidung Memristor-Mehrschichtstrukturen bestehend aus elektrisch leitenden und nichtleitenden Materialien hergestellt.

Der Universität Siegen steht ab Anfang 2025 eine hochmoderne Forschungsinfrastruktur in Form des neuen Forschungsneubaus INCYTE, das Interdisziplinäre Forschungszentrum für Nanoanalytik, Nanochemie und Cyber-physische Sensortechnologie, zur Verfügung. INCYTE umfasst 5200 m2 Nutzfläche und führt drei zentrale nanotechnologische Bereiche der Universität Siegen zusammen: i.) die skalenübergreifende Materialforschung, ii.) die Sensorentwicklung und iii.) die Mikro- und Nanochemie und Technologie. Das Forschungszentrum wird einen 600 m² großen Reinraum der Klasse ISO-4 für die Nanostrukturierung und Bauelementeentwicklung umfassen.

Derzeit werden für die Memristorherstellung Metalle wie Silber, Kupfer oder Platin als aktive Elektrode und amorphes Silizium, Siliziumdioxid oder Hafniumoxid als nichtleitendes Material untersucht. Je nach verwendeten Materialien, ergeben sich unterschiedliche Wirkmechanismen des Memristors. In einer der entwickelten Klassen werden durch ein elektrisches Signal, leitende Nanofilamente innerhalb des Nichtleiters ausgebildet, wodurch sich der Widerstand verändert. Diese Filamente und damit der Zustand des Memristors bleiben ohne äußere Einwirkungen bestehen und benötigen zum Halten des Zustandes keinerlei äußere elektrische Versorgung. Mit einem nachfolgend aufgebrachten elektrischen Signal umgekehrter Polarisation werden die Nanofilamente wieder aufgelöst. Idealerweise kann in Memristoren die Bildung und das nachfolgende Auflösen der Nanofilamente beliebig oft wiederholt werden, sodass die Transition zwischen Zuständen ein hohes Maß an Reproduzierbarkeit aufweist[3].

Durch die eigene Herstellung und Charakterisierung der Bauelemente in Siegen konnten bereits neue Schalteigenschaften, wie das Umschalten in verschiedene Betriebszustände von Memristoren entdeckt werden[4]. Darüber hinaus ermöglicht die Inhouse Herstellung die unabhängige und freie Entwicklung der Memristoren für die verschiedenen Anwendungen. Um das anwendungsspezifische Zusammenspiel zwischen entwickelten Memristoren und der darunter befindlichen Auswerteelektronik zu testen und zu etablieren, wird die „TFA“ Integration genutzt. Dabei handelt es sich um die Integration und Einbettung der Memristoren auf der Oberfläche von CMOS Halbleiterchips in sogenannter Thin-Film on ASIC Technologie, einer Integrationstechnologie von Dünnschichtbauelementen, die an der Universität Siegen entwickelt und patentiert wurde[5].

Das Design der Halbleiterchips für die Auswertung erfolgt am Lehrstuhl für Analoge Schaltungstechnik und Bildgebende Sensorsysteme unter Leitung von Prof. Choubey an der Universität Siegen und wird spezifisch auf die jeweilige Anwendung angepasst. Entwicklungen umfassen das Design für Versorgungseinheiten, Signallauf- und Weiterverarbeitungen on-chip, aber auch Verschaltungen der Memristoren selbst. Die Kombination aus Design, Simulation, Herstellung und Charakterisierung der Memristoren und Halbleiterchips unter einem Dach, ermöglicht die gezielte Optimierung und Entwicklung gänzlich neuartiger Rechnerkonzepte und -architekturen für zukünftige Anwendungen.

Referenzen
[1] M. Diwan, Z. Li, G. Schiele, und B. Choubey, „Balanced Ternary Logic Gates with Memristors“, in 2022 29th IEEE International Conference on Electronics, Circuits and Systems (ICECS), Okt. 2022, S. 1–4. doi: 10.1109/ICECS202256217.2022.9971115.
[2] O. Krestinskaya, B. Choubey, und A. P. James, „Memristive GAN in Analog“, Sci. Rep., Bd. 10, Nr. 1, S. 5838, Apr. 2020, doi: 10.1038/s41598-020-62676-7.
[3] Z. Wang et al., “Resistive switching materials for information processing,” Nature Reviews. Materials, vol. 5, no. 3, pp. 173–195, Jan. 2020, doi: 10.1038/s41578-019-0159-3.
[4] Z. Li, P. D. Börner, H. Schmidt, P. H. Bolívar, und B. Choubey, „Bidirectional Transition between Threshold and Bipolar Switching in Ag/SiO2/ITO Memristors“, in 2022 IEEE 22nd International Conference on Nanotechnology (NANO), Juli 2022, S. 547–550. doi: 10.1109/NANO54668.2022.9928635.
[5] “Digitale Bildsensoren Prof. Dr. Markus Böhm – Philip Morris.” https://www.philipmorris-stiftung.de/digitale-bildsensoren-prof-dr-markus-bohm/

Autoren: Phil-David Börner (Hauptautor), Maurice Müller, Andreas Bablich

Universität Siegen, Lehrstuhl für Analoge Schaltungstechnik und Bildgebende Sensorsysteme

Technologische Basis

• Mikro-, Nanotechnologie
• CMOS Halbleiterchips

Innovation

• Intelligente Kamerasensoren
• Memristoren integriert im Back-End auf CMOS Elektroniken

Primäre Anwendungsfelder

• KI-Hardware/Neuromorphes Computing
• Kamerasensoren

Impact

• Effizientere Berechnungen
• Höhere Integrationsdichten

https://www.eti.uni-siegen.de/acis

Abb. 1: Computergenerierte Darstellung einer Memristorstruktur mit einem leitfähigen Filament innerhalb eines nicht-leitenden Materials. Auf der linken Seite des Memristors wird eine Messung mit einer typischen Hysteresekurve dargestellt.

Abb. 2: Fotografie einer Memristorprobe verbunden mit einem Messaufbau. Funktionsgeneratoren liefern passende Eingangsignale, um die mit Memristoren aufgebaute ternäre Logik zu testen.