EmbeddedWorld 2020 - Neuromorphic Computing #ew20

EmbeddedWorld 2020 – Neuromorphic Computing #ew20

Auf dem Stand der Fraunhofer Gesellschaft wurden neuromorphe Chips gezeigt, die für KI Anwendungen wesentlich besser und energiesparender arbeiten sollen, als die herkömmlichen GPUs, FPGAs und weiteren Topologien.

Das Gesetz von Moore

Das Moore‘sche Gesetz war lange Zeit eine gegebene Konstante, wenn es um die Leistungssteigerung der Hardware ging. Demnach verdoppelt sich die Anzahl an Transistoren, die in einen integrierten Schaltkreis festgelegter Größe passen, in etwa alle 2 Jahre.

Jedoch stoßen wir in letzter Zeit immer mehr an physikalische Grenzen (Stichwort „Quantenmechanik“ und Zunahme von Leakage/ Inneffizienz), und müssen uns andere technische Varianten überlegen, um Rechner und das Rechnen weiter zu beschleunigen.

Dabei werden die folgenden Prinzipien angewendet, um mit den absehbaren und zunehmenden Limitationen umzugehen:

Einfacher Speicherzugriff (In-Memory Computing)
Bio-inspiriertes Computing (Neuromorphic Computing)
Wenigere und bessere Daten (Neuromorphic Sensing)

Die folgenden technischen Ansätze werden in diesem Zusammenhang diskutiert und untersucht:

Quantenrechner, d.h die Abkehr von der digitalen 0/1 und das Rechnen mit Zwischenwerten.
Carbon Nanotubes, die kleinere Transistoren erlauben, als sie mit Silikon möglich sind
Parallele Architekturen (GPUs)
Neuromorphe Hardware, die die biologische Struktur unseres Nervensystems nachahmt.

Neuromorphe Chips

Wenn man DNN Netzwerke auf herkömmlichen Chips verarbeiten will, bremst der von Neumann Flaschenhals die Verarbeitung aus (Verbindungssystem zwischen dem Prozessor und dem Speicher, der einen Engpass darstellt). Eine hochgradig vernetzte Hardware, die die massive Parallelverarbeitung ermöglicht, sowie die verteilte und gekoppelte Speicherung und Verarbeitung unterstützt, ist demgegenüber schneller und energiesparender.

Solche neuromorphen Chips emulieren die neuronale Struktur und die Funktionsweise des menschlichen Hirns und unterstützen das Rechnen mit Wahrscheinlichkeiten. Damit ermöglichen sie neue algorithmische Ansätze, um mit Unsicherheit, Widersprüchlichkeit, und Gegensätzlichkeit umzugehen, die in der realen Welt oft vorkommen.

Intel arbeitet unter dem Namen Loihi an einem neuromorphen Vielkernprozessor (128 Kerne mit je 1024 Neuronen). Weitere Ansätze sind der IBM True North Chip (4096 Kerne mit je 256 Neuronen sowie 256 Synapsen pro Neuron), sowie der SpiNNaker (rein neuromorpher Chip) der APT Gruppe der Universität Manchester. Gleichzeitig unterstützt die EU über das Human Brain Project die entsprechende Forschung

Aber auch das Fraunhofer Institute for Integrated Circuits IIS arbeitet an Lösungen, und hat hierzu eine Demo am Stand gezeigt.

Weitere Informationen finden sich in den weiter unten angegebenen Literaturquellen.

Weiterführende Informationen

Das Original dieses Artikels ist auf →Der Produktmanager erschienen (©Andreas Rudolph). Folgeartikel zum Thema gibt es über die (→Mailingliste), oder indem Sie →mir auf Twitter folgen.

Quelle für das Artikelfoto: NuernbergMesse. Nutzung entsprechend der Regelungen für Pressearbeit zur Messe.

In der Online Version des Artikels finden Sie hier die versprochenen weiterführenden Links: