HP haucht dem ‘Memristor’ Leben ein
HP-Forscher haben nach eigenen Angaben das “vierte Basiselement elektronischer Schaltungen nachgewiesen”. Es handele sich dabei um einen variablen Widerstand, der über ein “Gedächtnis” verfüge, teilte das Unternehmen mit.
Der Begriff Memristor setzt sich aus den Wörtern ‘Memory’ und ‘Resistor’ zusammen und gilt nach dem Widerstand, dem Kondensator und dem Induktor als das vierte elektronische Basiselement. Er verfügt über Eigenschaften, die nicht durch eine Kombination der drei anderen Elemente erreicht werden können.
Leon Chua, damals Professor an der kalifornischen Berkeley-Universität, hat das elektronische Element bereits im Jahre 1971 theoretisch beschrieben. Mit Hilfe der Nanotechnologie konnten die HP-Forscher den Memristor nun “zum Leben erwecken”. Ein Forscherteam um Stanley Williams, Direktor des HP Information und Quantum System Lab, hat ein mathematisches Modell und ein physikalisches Muster des Memristors in der jüngsten Ausgabe des Wissenschaftsmagazins Nature vorgestellt.
Mit Hilfe des Memristors ließen sich voraussichtlich neue Speicherprodukte entwickeln, die den heute gängigen ‘Dynamic Random Access Memory’ (DRAM) ersetzen könnten, so HP. Computer mit Arbeitsspeicher auf DRAM-Basis speichern bei Stromausfall Informationen nicht und benötigen einen Bootprozess für den Neustart. Ein Rechner mit Memristor bräuchte dies nicht und würde deshalb nicht nur alle Informationen behalten, sondern auch noch weniger Energie verbrauchen.
Diese Funktion sei vor allem für das Cloud Computing interessant. Beim Cloud Computing kommt eine IT-Infrastruktur zum Einsatz, die sich aus vielen Tausend verteilten Servern und Storage-Systemen zusammensetzt. Eine Memristor-basierte Technologie könne hier für höhere Zuverlässigkeit bei Stromausfällen und niedrigeren Energieverbrauch sorgen.
Ein weiteres mögliches Anwendungsgebiet seien Rechnersysteme, die eine Reihe von Ereignissen ähnlich verarbeiten – so wie das menschliche Gehirn Muster wiedererkenne. Damit ließen sich beispielsweise Verfahren wie die biometrische Gesichtserkennung so verbessern, dass sie eine komplexe Zusammenstellung verschiedener Merkmale erkennen oder aus Erfahrung lernen könnten.
