Rechnen mit Neuronen aus Silizium
29. Januar 2014
Wissenschaftler setzen künstliche Nervenzellen für komplexe Aufgaben der Datenverarbeitung ein
Foto: Kirchhoff-Institut für Physik
Berliner und Heidelberger Wissenschaftlern ist es gelungen, künstliche Nervenzellen für komplexe Aufgaben in der parallelen Datenverarbeitung einzusetzen: Diese Neuronen aus Silizium, die die Rechenarbeit auf einem sogenannten neuromorphen Chip übernehmen, können verschiedenartige Daten klassifizieren. Sie sind damit in der Lage, handgeschriebene Zahlen zu erkennen oder Pflanzenarten anhand ihrer Blüten zu unterscheiden. An den Arbeiten, deren Ergebnisse in der Fachzeitschrift PNAS publiziert wurden, waren Forscher des Instituts für Biologie – Neurobiologie der Freien Universität Berlin, des Bernstein Zentrums für Computational Neuroscience Berlin und des Kirchhoff-Instituts für Physik der Universität Heidelberg beteiligt.
Nach wie vor ist ein Großteil der Computerprogramme auf eine serielle Verarbeitung der Daten angelegt. Das Wissenschaftlerteam hat im Rahmen der gemeinsamen Forschungsarbeit eine neue Technologie weiterentwickelt, die auf der parallelen Datenverarbeitung beruht. Sie nutzten das „neuromorphic computing“, bei dem Neurone aus Silizium die Rechenarbeit auf speziellen Computerchips übernehmen. Ähnlich wie die Zellen im menschlichen Gehirn sind diese künstlichen Nervenzellen untereinander verknüpft. Wird der Verbund mit Daten gefüttert, arbeiten alle Silizium-Neuronen parallel an der Lösung des Problems. Die genaue Art der Verknüpfung bestimmt dabei die Art der Datenverarbeitung. Für einen solchen Chip haben die Wissenschaftler nun ein spezielles Netzwerk entworfen: Dieses neuromorphe „Programm“ ist dabei zu einer grundlegenden Rechenleistung in der Lage, indem es Daten unterschiedlicher Merkmale in Klassen einteilen kann.
Beim Entwurf der Netzwerkarchitektur haben sich die Forscher vom geruchsverarbeitenden Nervensystem der Insekten inspirieren lassen, da es von Natur aus für die hochparallele Verarbeitung der komplexen chemischen Welt optimiert ist. Für ihre Arbeit nutzten die Forscher einen Chip mit Neuronen aus Silizium, der am Kirchhoff-Institut für Physik der Universität Heidelberg entwickelt wurde. Computerprogramme, die Daten klassifizieren können, finden in unterschiedlichen technischen Geräten Anwendung, etwa in Smartphones. Den neuromorphen Netzwerk-Chip könnten auch Supercomputer nutzen, die nach dem Vorbild des menschlichen Gehirns gebaut werden. Die Forschungsarbeiten wurden durchgeführt von Dr. Michael Schmuker und Prof. Dr. Martin Paul Nawrot (Freie Universität Berlin / Bernstein Zentrum Berlin) sowie Thomas Pfeil (Universität Heidelberg), der als Doktorand in der Arbeitsgruppe Electronic Vision(s) am Kirchhoff-Institut für Physik forscht.
Originalveröffentlichung:
M. Schmuker, T. Pfeil & M.P. Nawrot (2014): A neuromorphic network for generic multivariate data classification. PNAS, published ahead of print January 27, doi:10.1073/pnas.1303053111
