„Wir wollen die Funktion des Gehirns nachbilden“

Das menschliche Gehirn besteht aus hundert Milliarden Nervenzellen, den Neuronen, die durch Billiarden synaptischer Verbindungen miteinander verknüpft sind. Auch wenn Wissenschaftler dieses komplexe biologische System bislang nur teilweise verstehen, können sie manche Funktionsweisen bereits mathematisch beschreiben. Um die neuronale Aktivität zu simulieren, nutzen Forscher neben Computermodellen auch elektronische Schaltungen. In der Fachzeitschrift „Science Advances“ berichten nun Martin Ziegler und seine Kollegen von der Universität Kiel, wie sich mit sogenannten memristiven Bauelementen die Funktion des Gehirns nachspielen lässt. Im Interview mit Welt der Physik erklärt der Physiker, wie sie damit sogar Wahrnehmungsprozesse technisch nachbilden.

Martin Ziegler

Welt der Physik: Was ist ein neuronales Netzwerk?

Martin Ziegler: Ein neuronales Netz ist die künstliche Nachbildung von Teilen unseres Gehirns. Wie ein biologisches Gehirn besteht es im Wesentlichen aus zwei Bausteinen: aus den Nervenzellen, den sogenannten Neuronen, und den Verbindungen dazwischen – den Synapsen. Das Entscheidende ist, dass die Verbindungen nicht konstant sind, sich also mit der Zeit ändern. Dies passiert im menschlichen Gehirn, wenn wir beispielsweise eine Sprache oder ein Objekt erkennen lernen.

Wie verarbeiten Neuronen und Synapsen Informationen?

Neuronen haben die Aufgabe, Informationen zu sammeln, indem sie die verschiedenen eingehenden Reize aufsummieren. Die Informationen entsprechen dabei elektrischen Spannungen. Ist eine gewisse Potenzialschwelle überschritten, wird ein Signal in Form von kleinen Spannungspulsen weitergegeben. Synapsen leiten diese Pulse, die auch als Spikes oder Aktionspotenziale bezeichnet werden, dann weiter. Wir möchten nun diese Synapsen in neuronalen Netzen nachbilden, da Gedächtnisprozesse in biologischen Systemen eben dort stattfinden.

Mit welchen Methoden lässt sich das technisch umsetzen?

Die Großzahl neuronaler Netzwerke wird mithilfe von Computerprogrammen realisiert. Diese arbeiten mit mathematischen Funktionen. Das heißt, die Programme berechnen, was zwischen dem Eingang und dem Ausgang eines neuronalen Systems passiert. Wir dagegen arbeiten mit sogenannten neuromorphen Systemen. Wir haben neuartige elektronische Bauelemente entwickelt und diese in elektrischen Schaltungen zu einem Netzwerk verbunden.

Was sind das für Bauelemente?

Es handelt sich um sogenannte memristive Bauelemente. Memristor ist ein Kunstwort aus den englischen Wörtern „memory“ für Speicher und „resistor“ für elektrischer Widerstand – also gewissermaßen Widerstände mit Gedächtnis. Diese Bauelemente bestehen aus zwei Metallelektroden und einer sogenannten Memristivschicht, in der ionische und elektronische Prozesse den Ladungstransport bestimmen. Durch das Anlegen von Spikes ändert man den Widerstand dieser Schicht. Ein großer Teil unserer Forschungsarbeit besteht darin, diese Elemente herzustellen. Wir wollen dabei nicht Synapsen oder Neuronen nachbauen, wie sie in der Biologie vorkommen, sondern mithilfe von Materialphysik und quantenmechanischen Effekten biologische Systeme auf einem funktionellen und abstrakten Level imitieren. Einfache Schaltungen aus Widerständen und Kondensatoren übernehmen die Funktion der Neuronen und die memristiven Bauteile die Funktion der zeitlich nicht konstanten Synapsen.

Festkörperelektronisches Bauelement

Was lässt sich mit solchen elektronischen Bauelementen simulieren?

Wir haben eine Schaltung basierend auf diesen festkörperelektronischen Bauelementen realisiert, die es ermöglicht, das sogenannte Bindungsproblem nachzubilden. Dies ist eines der großen Probleme in den Neurowissenschaften, das sich damit beschäftigt, wie das Gehirn Objekte erkennen kann. Es gibt beispielsweise verschiedene Dinge, die eine Person ausmachen: ihr Aussehen, ihre Stimme, ihr Geruch oder auch ihr charakteristischer Gang. All diese Informationen werden in unterschiedlichen Bereichen im Gehirn verarbeitet. Die Frage ist nun, wie das Gehirn die Informationen zu dem Zeitpunkt des Erkennens miteinander verbindet und damit eine Person erkennen kann.

Und wie ist das möglich?

In dem mathematischen Modell des Physikers und Neurowissenschaftlers Christoph von der Malsburg wird das Bindungsproblem mit sogenannten neuronalen Oszillatoren und der Synchronisation verschiedener Bereiche beschrieben. Eine Person auf Grundlage verschiedener Sinneseindrücke zu erkennen, bedeutet dann, dass sich die verschiedenen Bereiche des Gehirns synchronisieren und gleichzeitig aktiv sind. Kennt man jemanden gut, braucht man nicht alle Informationen, um die Person wiederzuerkennen. Es müssen also nicht alle Bereiche Informationen erhalten, um zum Zeitpunkt des Erkennens synchron aktiv zu sein.

Sie haben das mathematische Modell mit Ihren Bauelementen nachgebildet?

Ja, das stimmt. Wir mussten dabei besonders darauf achten, dass sich nicht das gesamte Netzwerk synchronisiert, sondern nur verschiedene Subnetzwerke. Diese unterschiedlichen stabilen Subnetzwerke können wir dann kontextabhängig über die Memristoren ändern. Mithilfe von optischen Illusionen lässt sich das verdeutlichen: Zeichnet man beispielsweise einen dreidimensionalen Würfel auf ein Blatt Papier, so gibt es zwei Möglichkeiten, den Würfel wahrzunehmen. Je nachdem auf welchen Punkt man seine Aufmerksamkeit lenkt, scheint der Würfel aus der Blattebene heraus- oder hineinzuragen. Das entspricht im neuronalen Netz zwei unterschiedlichen Subnetzwerken, zwischen denen wir hin- und herschalten können.

Memristoren

Wie können Sie zwischen den Subnetzwerken hin- und herschalten?

Indem wir die Widerstände der memristiven Bauteile – also der Synapsen – ändern, können wir die Stabilität der Subnetzwerke beeinflussen. Die Eingangsinformation des neuronalen Netzes entspricht dann der „Aufmerksamkeit“ und die Ausgangsinformation ist das wahrgenommene Objekt, wie beispielsweise der gezeichnete Würfel.

Welche Anwendungen könnten die neuromorphen Netze haben?

Die Idee ist, dass aus den neuromorphen Netzen neue Arten von Computern entwickelt werden. Unsere heutigen Computer sind sehr leistungsfähig für arithmetische Operationen wie das Berechnen der Quadratwurzel einer großen Zahl. Computer berechnen dies deutlich schneller und besser als Menschen. Allerdings sind Menschen bei kognitiven Aufgaben wie der Mustererkennung deutlich besser als die leistungsstärksten Computer. Mit den neuromorphen Systemen versuchen wir nun, eine neue Art der Datenverarbeitung zu entwickeln, die der Funktionsweise des menschlichen Gehirns sehr viel näher kommt.