Das menschliche Gehirn ist Vorbild und wertvolle Inspirationsquelle für die Verbesserung von Computersystemen. Eine der vielversprechendsten Bestrebungen in der Wissenschaft ist das neuromorphe Rechnen, ein vom Gehirn inspirierter Ansatz für die Entwicklung von Hardware und Algorithmen, mit dem künstliche neuronale Netze um ein vielfaches energieeffizienter realisiert werden können. Das Streben nach maschineller Intelligenz nach dem Vorbild des Gehirns erfordert jedoch einen Paradigmenwechsel in der Art und Weise, wie wir Rechenplattformen entwerfen und bauen. Ein Forschungskonsortium unter der Leitung von der University of Texas San Antonio, an dem auch die TU Dresden und ihr Spin-off SpiNNcloud Systems beteiligt sind, hat den aktuellen Stand der Forschung in der renommierten Fachzeitschrift „Nature“ zusammengefasst.

Die Publikation konzentriert sich auf die Nutzung neurowissenschaftlicher Prinzipien zur Entwicklung effizienter Rechensysteme, die bis auf Supercomputer-Niveau hochskaliert werden können. Dabei wird insbesondere auf die schnell wachsenden Trends bei KI-Modellen und Rechenzentren eingegangen. Der Artikel stellt Ansätze für die Entwicklung skalierbarer neuromorpher Architekturen und Funktionen vor und hebt ihre wichtigsten Merkmale hervor. Er beleuchtet potenzielle Anwendungen, die von der Skalierung profitieren könnten, sowie die zentralen Herausforderungen, die dabei auftreten.

„Diese neuen Erkenntnisse hinsichtlich Skalierbarkeit sind besonders relevant für den gehirnähnlichen Supercomputer SpiNNaker2, der an der TU Dresden und der University of Manchester entwickelt wurde und inzwischen von der TUD-Ausgründung SpiNNcloud Systems kommerzialisiert wird“, erklärt Prof. Christian Mayr, Inhaber der Professur für Hochparallele VLSI-Systeme und Neuromikroelektronik und Mitautor der Studie. „Mit mehr als 5 Millionen Kernen ist SpiNNaker2 der weltweit größte und flexibelste Supercomputer für künstliche Intelligenz. Dieser Artikel bestätigt unsere Forschungsrichtung und sieht unseren SpiNNaker2 neben Intels Loihi2 als führendes System im Bereich Neuromorphic Computing“, ergänzt Mayr.

„Die Bedeutung von groß skalierten, vom Gehirn inspirierten Systemen ist insbesondere mit Hinblick auf die zukünftig unhaltbaren und schnell wachsenden Anforderungen von KI-Modellen und -Rechenzentren nicht zu unterschätzen“, ergänzt Mitautor Dr. Hector Gonzalez, wie Prof. Christian Mayr ebenso Mitgründer bei SpiNNcloud Systems. „Gehirninspirierte Systeme sind ein fundamentaler technologischer Schritt weg von inkrementellen Verbesserungen herkömmlicher Technologien hin zu einem vollständig neuen Architektur-Paradigma für die nächste Evolutionsstufe energie-effizienterer und robusterer KI. Das Nature-Paper unterstreicht die bisherigen und zukünftigen Bemühungen auf diesem Gebiet.“

Das Autorenteam analysiert außerdem, welches Ökosystem nötig ist, um nachhaltiges Wachstum zu ermöglichen, und zeigt Chancen auf, die sich durch die Skalierung neuromorpher Systeme bieten. Die Arbeit fasst Ideen aus verschiedenen Bereichen der Datenverarbeitung zusammen und liefert Forschenden sowie Praktikern im neuromorphen Computing wertvolle Impulse, um diese Technologie weiter voranzutreiben.

Nature-Artikel

Kontakt

Prof. Christian Mayr
TU Dresden
Professur für Hochparallele VLSI-Systeme und Neuromikroelektronik

Dr. Hector Gonzalez
Co-founder and co-CEO
SpiNNcloud Systems GmbH

Beteiligte Forschungseinrichtungen

University of Texas at San Antonio, TX, USA
University of Tennessee, Knoxville, TN, USA
Sandia National Laboratories, Albuquerque, NM, USA
Rochester Institute of Technology, NY, USA
University of Pittsburgh, PA, USA
Intel Labs, CA, USA
Technische Universität, Dresden, Germany
U.S. Naval Research Lab
Google DeepMind
Italian Institute of Technology
University of California, San Diego, USA
Institute of Neuroinformatics, University of Zurich and ETH Zurich
National Institute of Standards and Technology, CO, USA
Oak Ridge National Laboratory, TN, USA
SpiNNcloud Systems GmbH, Dresden, Germany
Indian Institute of Science, India
Royal Holloway, University of London, UK
The University of Manchester, UK