Neuer KI-Chip für In-Memory-Computing
Rechenintensive Anwendungen wie KI oder Big Data basieren auf hocheffizienter Mikroelektronik. Die soll mit ferroelektrischen Feldeffekttransistoren zukünftig leistungsfähiger und zugleich energieeffizienter werden.
Digitalisierung, Big Data oder künstliche Intelligenz (KI) stellen hohe Ansprüche an die Hardware. Die tut sich zunehmend schwer ständig steigenden Forderungen nach mehr Rechenleistung bei gleichzeitig hoher Energieeffizienz nachzukommen. Abhilfe schaffen sollen energiesparende Konzepte wie etwa das sogenannte neuromorphe Rechnen (Neuromorphic Computing). Es versucht den effizientesten und flexibelsten Speicher der Welt – das Gehirn – nachzubilden. Besonders aussichtsreich sind dabei Chips, die auf nichtflüchtigen Speichern wie Feldeffekttransistoren aus ferroelektrischen Materialien (FeFET) beruhen.
Die ändern ihre Polarisation beim Anlegen eines elektrischen Feldes und behalten den Zustand nach dem Abschalten der Spannung bei. Deshalb können die für Deep-Learning-Algorithmen typischen Multiplizier-Akkumulier-Operationen (MAC) die Gewichtswerte (Weights) im selben Chip (In-Memory-Computing) rechnen und speichern. Zeitaufwendige Datentransfers zwischen Prozessor und Speicher – bekannt als Von-Neumann-Flaschenhals – entfallen also.
Als einziges nichtflüchtiges Speicherkonzept werden ferroelektrische Speicher zudem rein elektrostatisch und damit besonders stromsparend betrieben, da zum Schreiben von Daten nur noch die Umladeströme der Kapazitäten aufzuwenden sind.
FeFETs auf dem Vormarsch
Die vielversprechenden Eigenschaften machen diese faszinierende Speichertechnologie weltweit zum Gegenstand einer Vielzahl von Forschungsprojekten mit zum Teil sehr unterschiedlichen Ansätzen.
So entwickelten Forscher der University of Pennsylvania School of Engineering and Applied Science ein FeFET-Design mit Rekordleistungen bei Datenverarbeitung und -speicherung. Der superdünne Sandwich-Transistor schichtet einen 0,7-nm-dicken Halbleiter aus Molybdändisulfid (MoS2) auf das 20-nm-dicke ferroelektrische Material Aluminium-Scandium-Nitrid (AlScN). Die einzigartigen ferroelektrischen Eigenschaften gewährleisten selbst bei geringsten Formfaktoren eine zuverlässige Datenspeicherung.
FMC und das Fraunhofer IPMS setzen dagegen auf ferroelektrisches Hafniumoxid (HfO2) – derzeit das Standard-Gatedielektrikum in ferroelektrischen Speichern. Damit sind sie CMOS-kompatibel, bleifrei und bis hin zu sehr kleinen Technologieknoten skalierbar.
Energiesparender KI-Chip aus München
Zusammen mit dem Fraunhofer IPMS und Bosch, das an FMC beteiligt ist, stellte kürzlich der TUM-Professor Hussam Amrouch einen KI-Chip mit ferroelektrischen Feldeffekttransistoren (FeFET) auf Hafniumoxid-Basis vor. Er soll nach eigenen Angaben mit 885 TOPS/W (Tera Operationen pro Sekunde pro Watt) doppelt so leistungsfähig sein wie vergleichbare In-Memory-Computing-Ansätze (z. B das MRAM von Samsung). Die FeFETs werden vom US-Unternehmen GlobalFoundries in einem 28-nm-Prozess in Dresden gefertigt.
In einem Gespräch mit Autoren der Zeitschrift Nature äußerte Professor Amrouch, dass sein Chip ohne zusätzliches Training eine Genauigkeit von 96,6 Prozent bei der Handschrifterkennung und 91,5 Prozent bei der Bildklassifizierung erreichte.
Der KI-Chip soll überall dort zum Einsatz kommen, wo Daten direkt am Ort ihres Entstehens zu verarbeiten sind. Etwa für generative KI, Deep-Learning-Algorithmen, zur Erkennung von Gegenständen im Raum oder bei robotischen Anwendungen. Mit dem ersten praxistauglichen In-Memory-Chip rechnet der Wissenschaftler vom Munich Institute of Robotics and Machine Intelligence (MIRMI) allerdings frühestens in drei bis fünf Jahren.