In meinem Forschungs­pro­jekt inter­es­siere ich mich für bio-inspi­rierte und ressour­cen­scho­nende Konzepte für neuro­mor­phes Rechnen. Mein Ziel ist, diese Konzepte in optischen und elektro­ni­schen Syste­men basie­rend auf organi­schen Halblei­ter­ma­te­ria­lien zu reali­sie­ren und deren physi­ka­li­sche Grund­la­gen zu beschreiben.

Warum ist unser mensch­li­ches Gehirn zu so komple­xen Fähig­kei­ten wie Bild‑, Sprach- und Bewegungs­er­ken­nung fähig und verbraucht dabei nur wenige Watt Leistung? Können wir Funkti­ons­prin­zi­pien des mensch­li­chen Gehirns nachah­men, um dessen Fähig­kei­ten technisch nutzbar zu machen? Können diese Aufga­ben auch ressour­cen­scho­nend sowie unter Verwen­dung von nachhal­ti­gen Materia­lien umgesetzt werden?

Ein vielver­spre­chen­der Ansatz dazu besteht in der direk­ten Nutzung physi­ka­li­scher Systeme für neuro­mor­phes Rechnen. Der innova­tive Gedanke liegt darin, die Klassi­fi­ka­tion der Daten statt in großen Rechen­zen­tren direkt in einem kleinen, energie­ef­fi­zi­en­ten Sensor­chip aus biokom­pa­ti­blen Materia­lien durchzuführen.

Tatsäch­lich gibt es Kohlen­was­ser­stoff­ver­bin­dun­gen, die die dafür notwen­di­gen halblei­ten­den Eigen­schaf­ten mitbrin­gen. Beson­ders spannend sind dafür beispiels­weise sogenannte organi­sche elektro­nisch-ionische Misch­lei­ter. Erstens basie­ren sie auf den gleichen Grund­prin­zi­pien wie Synap­sen im mensch­li­chen Gehirn, nämlich dem Austausch von elektro­ni­schen und ionischen Ladungs­trä­gern in einer flüssi­gen Umgebung. Zweitens können die Schalt- und Speicher­ei­gen­schaf­ten gezielt verän­dert werden. Drittens sind sie sensi­tiv auf Umwelt­ein­flüsse wie Licht, Tempe­ra­tur, chemi­sche Umgebung etc. Sie bieten also das Poten­tial, gleich­zei­tig Signale erfas­sen und klassi­fi­zie­ren zu können. Perspek­ti­visch ist dabei sogar eine direkte Schnitt­stelle mit biolo­gi­schen Syste­men denkbar.