Sind neuromorphe Systeme die Zukunft des Hochleistungsrechnens?

Zeitstempel: 8. März 2022, 10:26 Uhr
Quellknoten: 1205029

Das menschliche Gehirn ist bemerkenswert gut darin, Informationen zu speichern und zu verarbeiten. Während unser Wissen darüber, wie das Gehirn funktioniert, keineswegs vollständig ist, entwickeln Wissenschaftler und Ingenieure Computertechnologien, die nachahmen, wie Neuronen im Gehirn funktionieren. Dabei geht es nicht nur darum, schnellere Computer zu bauen; das Gehirn ist auch sehr energieeffizient und erste Anzeichen deuten darauf hin, dass neuromorphe Systeme eine verbesserte Energieeffizienz liefern könnten. Dies ist eine wichtige Überlegung, da Energieverbrauch und Abwärme limitierende Faktoren für herkömmliche Elektronik sind.

Eine große Frage für diejenigen, die auf diesem Gebiet arbeiten, ist, wie weit wir bei der Nachahmung des Gehirns gehen sollten. Sollten zukünftige Systeme neuromorph sein – versuchen, Systeme zu schaffen, die dem Gehirn so nahe wie möglich kommen – oder sollten sie vom Gehirn inspiriert sein, anstatt es nachzuahmen?

Eine gute Möglichkeit, darüber nachzudenken, ist die Beziehung zwischen Vögeln und Flugzeugen. Der menschliche Flug wurde von Vögeln inspiriert, und ein Flugzeug ahmt mehrere Aspekte des Vogelflugs nach – der offensichtlichste sind zwei Flügel. Aber ein Flugzeug ist keineswegs eine Kopie eines Vogels – Düsentriebwerke sind zum Beispiel ganz anders als Flügelschlagmuskeln.

Vier Experten

Diese Woche nahmen vier Experten an einem teil Debatten. über die zukünftige Rolle neuromorpher Systeme in der Informatik. Moderiert wurde die Veranstaltung von Regine Dittmann, Experte für elektronische Materialien am Forschungszentrum Jülich in Deutschland.

Argumentiert wurden die Argumente für neuromorphes Computing Kwabena Boahen – der Gründer und Direktor des Labors Brains in Silicon der Stanford University in Kalifornien – und Ralph Etienne-Cummings, der das Computational Sensory-Motor Systems Laboratory an der Johns Hopkins University in Maryland leitet.

Mahnungen zur Vorsicht waren Yann LeCun – der leitender KI-Wissenschaftler bei Meta (Facebook) und Mitglied des Computational Intelligence, Learning, Vision, and Robotics Lab an der New York University – und Bill Dally ist leitender Wissenschaftler bei NVIDIA und Mitglied von Bio-X an der Stanford University.

Integration in 3D

Boahen eröffnete die Debatte, indem er sagte, dass der Erfolg des neuromorphen Computing von unserer Fähigkeit abhänge, Komponenten zu integrieren und zu vergrößern, ähnlich wie die Halbleiterindustrie viele Jahre lang ein exponentielles Wachstum der Anzahl von Transistoren auf einem Chip erzielte. Um zu veranschaulichen, wie wichtig die Zeitkonstante in diesem neuromorphen Mooreschen Gesetz ist, verwendete er eine amüsante Einheit neuromorpher Rechenleistung – das Gehirn des Wasserschweins –, das er mit dem Gehirn einer Fliege verglich.

Der Wechsel von 2D- zu 3D-Architekturen würde helfen, die Integration voranzutreiben, glaubt Boahen, aber es gibt viele Herausforderungen.

Etienne-Cummings wies darauf hin, dass sich neuromorphes Computing stark von herkömmlichem Computing unterscheidet. Im Gegensatz zu elektronischen Impulsen in einem Computer tragen Spannungsspitzen in einem neuralen System keine Informationen, vielmehr sind die Intervalle zwischen den Spitzen wichtig. Neuromorphe Systeme reichen gewissermaßen bis in die vierte Dimension.

Medizinische Anwendungen

Er betonte, dass Spike-basierte neuromorphe Systeme eine wichtige Rolle bei der Integration biologischer Systeme mit herkömmlichen Computern spielen werden. Dies würde zu besseren medizinischen Technologien wie zum Beispiel der Prothetik führen.

Als er über die Grenzen des neuromorphen Rechnens sprach, wies Dally darauf hin, dass Spikes eine ineffiziente Art sind, Zahlen darzustellen. Dies bedeutet, dass sie für viele Aufgaben, die derzeit von herkömmlichen Computern erledigt werden, nicht besonders nützlich sind. Tatsächlich müssten wir uns mehr Gedanken darüber machen, welche neuronalen Netzmodelle für welche Aufgaben geeignet sind – am Beispiel des Vogels und des Flugzeugs. Neuromorphe Systeme wären nützlich, um Biologie zu simulieren, sagte er.

LeCun stimmte darin überein, dass wir intelligent sein müssen, was wir in Computersystemen vom Gehirn kopieren. Er wies darauf hin, dass die für das neuromorphe Computing benötigte analoge Elektronik derzeit sehr schwer zu bauen und zu integrieren sei, und fragte, ob eine technologische Revolution bevorstehe.

Neuromorphe Beschleuniger

Er sagte, dass neuromorphe Systeme als Beschleuniger Verwendung finden könnten, die bestimmte Aufgaben für herkömmliche Computersysteme übernehmen. Als Beispiel nannte er einen Beschleuniger für Augmented-Reality-Brillen.

War das Publikum also von den Befürwortern der Neuromorphie oder von den Skeptikern überzeugt? Eine zu Beginn der Debatte von Dittman durchgeführte Umfrage ergab, dass 46 % der Zuhörer zustimmten, dass neuromorphe Systeme die Zukunft des Hochleistungsrechnens sind. Nach der Debatte stieg diese auf 56 %, also haben sie es.

Hier können Sie sich für die Debatte anmelden: Die Zukunft des Hochleistungsrechnens: Sind neuromorphe Systeme die Antwort? Die Debatte wird von der Zeitschrift gesponsert Neuromorphes Rechnen und Engineering. Es wird von IOP Publishing herausgegeben, das Ihnen auch bringt Physik-Welt.

Die Post Sind neuromorphe Systeme die Zukunft des Hochleistungsrechnens? erschien zuerst auf Physik-Welt.

Zeitstempel:

Mehr von Physik-Welt