Wie die 5-nm-Transistoren von IBM Deep Learning für das Internet der Dinge und weitere Technologien ermöglichen

January 29, 2018

Form eines menschlichen Kopfes mit Technologie-Symbolen

 

Als meine Großmutter auf die Welt kam, benutzen die normalen Menschen noch Pferde und Kutschen, um sich fortzubewegen. Bis zu dem Ende ihres Lebens wurden Düsenflieger, Computer und Raumfahrzeuge erfunden. Im Laufe des vergangenen Jahrhunderts hat sich die technologische Entwicklung rasant beschleunigt und es gibt keinen Grund zu der Annahme, dass es in diesem Jahrhundert anders sein wird. Das Tempo des Fortschritts lässt sich anhand des Mooreschen Gesetzes messen. Der jüngste Durchbruch von IBM in der Entwicklung von Nanotransistoren liefert erneut den Beweis, dass diese Faustregel – allen Unkenrufen zum Trotz – bis heute gilt. IBM ist die Herstellung von 5-nm-Transistoren gelungen, die zu einer erheblichen Steigerung der Rechengeschwindigkeit bei gleichzeitiger Verringerung des Energiebedarfs führen werden. Diese Entdeckung kommt gerade rechtzeitig, denn Rechenleistung und Energiebedarf halten viele neu entstehenden Branchen zurück. Dieser neuartige Transistor wird neue Technologien wie etwa künstliche Intelligenz (KI), das Internet der Dinge (IoT) und autonome Autos ermöglichen.

 

5-nm-Transistoren

 

In einem Blogbeitrag, der letzte Woche veröffentlicht wurde, gab IBM Einzelheiten zu dem Durchbruch bekannt, der bei der Entwicklung einer neuartigen 5-nm-Transistorarchitektur gelungen ist. Anstelle der üblichen vertikalen FinFET-Anordnung entschied man sich für eine horizontale Schichtung. Dieses neue Layout lässt die bisherige Höchstgrenze von 20 auf 30 Milliarden Transistoren auf einem Chip erhöhen. 5-nm-Transistoren bringen erhebliche Vorteile gegenüber heutigen Technologien, vor allem in Bezug auf Energieverbrauch und Verarbeitungsgeschwindigkeit.

 

In den verschiedensten Branchen wird die Erfindung von Chips mit geringem Energiebedarf derzeit heiß ersehnt. Je mehr sich das Internet der Dinge im Lebensalltag etabliert, desto mehr sind eingebettete Systeme auf Chips angewiesen, die mit einer möglichst kleinen Batterie ein Maximum an Rechenleistung erbringen können. Experten gehen davon aus, dass diese neuen 5-nm-Chips heutige Rechnungsleistungen mit 75 Prozent weniger Energie durchführen können. Das würde beispielsweise bedeuten, dass sich ein Mobiltelefon 2 bis 3 Tage lang mit einer einzigen Ladung nutzen ließe.

 

Bei Anwendungen, bei denen der Aspekt des Energiesparens keine so große Rolle spielt, ist die erhöhte Rechenleistung unter Umständen vielleicht wichtiger. Wenn sie ihr Potenzial maximal ausschöpfen, werden die neuen Transistoren von IBM um 40 Prozent schneller rechnen können als heutige Prozessoren. Das macht sie vor allem für die Verwirklichung zukunftsweisender Technologien wie maschinelles Lernen und selbstfahrende Autos interessant.

 

Das heißt, man kann entweder den Energieverbrauch um 75 Prozent reduzieren oder die Rechengeschwindigkeit um 40 Prozent steigern. Schauen wir uns einmal an, welche Anwendungen besonders von diesen Vorteilen profitieren werden.

 

intelligente Stadt

Für das Internet der Dinge sind 5-nm-Chips als Prozessoren mit geringem Energiebedarf erforderlich.

 

Künstliche Intelligenz

 

Laut dem von Alan Turing in den 1950er-Jahren formulierten „Turing-Test“ wird einem Computer dann ein dem Menschen ebenbürtiges Denkvermögen zugeschrieben, wenn ein menschlicher Gesprächspartner nicht feststellen kann, ob er mit einem Menschen kommuniziert oder nicht. Viele sehen in diesem Test einen Beweis für wahre künstliche Intelligenz. Allerdings besteht der Sinn von AI nicht darin, Menschen nur zu täuschen, sondern es Maschinen zu ermöglichen, von neuen Situation zu lernen und entsprechend zu reagieren. Selbstfahrende Autos etwa benötigen künstliche Intelligenz, um in der unberechenbaren Umgebung des Straßenverkehrs fahren zu können. Für IoT-Geräte wäre künstliche Intelligenz ebenfalls sinnvoll, da sie dadurch zu intelligenten Interaktionen mit ihrer Umwelt befähigt würden.

 

Dass bis heute noch kein Computer den Turing-Test bestanden hat, liegt vor allem an ihrer zu geringen Rechenleistung. Die Voraussetzung für künstliche Intelligenz sind neuronale Netzwerke aus leistungsstarken Chips, die riesige Mengen an Informationen aus ihrer Umgebung verarbeiten können. Letztes Jahr kündigte Nvidia die Entwicklung eines neuen IC mit 15 Milliarden Transistoren an, der auf das maschinelle Lernen ausgerichtet ist. IBM hat diese Zahl mit seiner Neuentdeckung verdoppelt und damit vollkommen neue Möglichkeiten für neuronale Netze mit der Fähigkeit zum Deep Learning eröffnet.

 

Das Internet der Dinge

 

Mit dem Begriff Internet der Dinge verbinde ich gar nicht unbedingt Geräte, die die allerneuesten und besten Mikroprozessoren benötigen. Eher denke ich dabei an Alltagsgegenstände, die aus irgendwelchen Gründen über Bluetooth-Funktionen verfügen. Tatsächlich ist für das Internet der Dinge weniger die Rechenleistung der neuen IBM-Chips ausschlaggebend als vielmehr ihr Energiesparpotenzial.

 

IoT-Geräte müssen oft tage- oder gar jahrelang im Batteriebetrieb laufen. Möglicherweise nutzen sie auch mikro-elektromechanische Systeme (MEMS) oder andere Verfahren zur Energiegewinnung aus der Umwelt. So oder so müssen sie zumeist mit wenig Strom auskommen. Zur Erfassung und Verarbeitung von Daten ist jedoch Strom erforderlich, zumal wenn diese Daten auch noch über Netzwerke übertragen werden sollen. 5-nm-Chips verbrauchen 75 % weniger Strom, was wiederum bedeutet, dass entsprechend mehr Energie zur Erfassung und Übermittlung von Daten zur Verfügung steht.

 

Selbstfahrendes Elektroauto im Straßenverkehr

Selbstfahrende Autos benötigen 5-nm-Chips mit 30 Milliarden Transistoren, um im Straßenverkehr zu navigieren.

 

Selbstfahrende Autos

 

Die Autos der Vergangenheit waren quasi rein mechanische Systeme ohne elektrotechnische Finessen. Inzwischen gehen Experten davon aus, dass bereits im Jahr 2020 bis zu 70 % aller neuen Pkws vernetzt sein werden. Dabei ist die Vernetzung lediglich eine von mehreren bevorstehenden elektronischen Neuerungen. Neben der Kommunikation müssen die Autos der nächsten Generation auch große Datenmengen lesen. Diese Daten werden von Sensoren geliefert, nach ihrer Erfassung verarbeitet und unter Umständen weitergeleitet und Dritten zur Verfügung gestellt. Zur gleichzeitigen Bewältigung dieser Aufgaben sind Rechenleistungen erforderlich, die die Fähigkeiten der derzeit erhältlichen Prozessoren übersteigen.

 

Die „selbstfahrenden“ Fahrzeuge von heute fahren noch nicht komplett autonom. Der Fahrer muss ständig aufpassen und eingreifen, sobaldein Problem auftritt. Auch Fahrerassistenzsysteme (ADAS) wie die neue Version des Autopiloten von Tesla, bedürfen weiterhin menschlicher Überwachung, verleihen dem Auto aber mehr Kontrolle. Um wirklich eigenständig fahren zu können, müssen Autos mit zahlreichen Sensoren ausgestattet und zur Implementierung von Algorithmen zum maschinellen Lernen befähigt werden. Nach Schätzungen von Intel ist zur erfolgreichen Umsetzung dieser Funktionen die Fähigkeit zur Verarbeitung von bis zu 1 GB pro Sekunde erforderlich. Für die neue Version seines Autopiloten musste Tesla auf einen Prozessor umsteigen, der 40-mal so schnell läuft wie das Vorgängermodell. Die nächste Stufe der Selbststeuerung lässt sich nur mithilfe von Chips erreichen, wie sie IBM nun entwickelt hat.

 

Wissenschaftliche Durchbrüche haben immer weitreichende Auswirkungen. Trotzdem lohnt sich auch der Blick auf ihre kurzfristigen Verwendungszwecke. 5-nm-Transistoren sind zwar noch einige Jahre von der Serienreife entfernt. Doch wenn es einmal soweit ist, sind beträchtliche Vorteile für die verschiedensten Bereiche zu erwarten. Der geringe Energiebedarf bei gesteigerter Rechenleistung von 5-nm-Chips wird es mehreren Branchen helfen, heranzureifen und ihr volles Potential auszuschöpfen. Die Bereiche künstliche Intelligenz, Internet der Dinge und autonome Fahrzeuge zählen zu den drei wichtigsten Nutznießern der neuen Technologie.

 

Egal, ob Prozessoren groß oder klein sind – sie alle müssen auf PCBs passen. Die Entwicklung von Platinen, die diese Technologie der nächsten Generation nutzen, wird schwierig sein. Deshalb brauchen Sie eine Software wie CircuitStudio, die Ihnen eine Reihe von Tools für die Anforderungen unterschiedlichster Anwendungen bereitstellt.

 

Haben Sie weitere Fragen zu den Prozessoren der Zukunft? Dann rufen Sie einen Experten bei Altium an.

 

 

Previous Article
Überblick über die Grundlagen und Prinzipien des Kühlkörper-Designs
Überblick über die Grundlagen und Prinzipien des Kühlkörper-Designs

Ein Überblick über das Kühlen von Schaltungen mit Kühlkörpern und die Festlegung ihrer Design-Parameter.

Next Article
Die besten Methoden für PCB-Design und Herstellung zur Vermeidung von Feuchtigkeitsschäden
Die besten Methoden für PCB-Design und Herstellung zur Vermeidung von Feuchtigkeitsschäden

Optimale Vorgehensweisen zum Design von PCBs, die in feuchten Umgebungen eingesetzt werden

×

oder laden Sie das PDF herunter, um Offline weiterzulernen...

Vorname
Nachname
Country
State
Postal Code
!
Error - something went wrong!