©Lehrstuhl für Integrierte digitale Systeme und Schaltungsentwurf
Eine neue Art von Framework namens „neuroAIˣ“ wurde von der Gruppe von RWTH-Professor Tobias Gemmeke entwickelt. Dieses Framework ist hochflexibel und ermöglicht es, das Gehirn und seine Informationsverarbeitung besser zu verstehen und zu modellieren.
Das Gehirn ist eines der faszinierendsten und komplexesten Organe, das viele Fragen aufwirft. Wie funktioniert es? Wie entsteht aus der Aktivität von Milliarden von Neuronen unser Bewusstsein und Verhalten? Wie können wir von dem Gehirn lernen, um leistungsfähigere und effizientere Computer zu bauen?
Um diese Fragen zu beantworten, erforschen Neurowissenschaftlerinnen und Neurowissenschaftler die Struktur und Funktion von Mikroschaltkreisen im Gehirn, die aus Gruppen von Neuronen bestehen. Diese Mikroschaltkreise sind für die Verarbeitung von Informationen in verschiedenen Hirnregionen verantwortlich. Durch die Analyse der Zusammenarbeit von Neuronen in diesen Schaltkreisen können sie Modelle entwickeln, die erklären, wie das Gehirn Informationen verarbeitet und wie sich daraus Verhalten ergibt. Um diese Modelle zu testen und zu verbessern, sind Computersimulationen von künstlichen neuronalen Netzen unerlässlich.
Das Framework „neuroAIˣ“ bietet eine Plattform, um solche Computersimulationen durchzuführen. Es ist hochflexibel und erlaubt es, verschiedene Arten von neuronalen Netzen zu erstellen, zu trainieren und zu analysieren. Dabei können sowohl biologisch plausible als auch künstliche neuronale Netze berücksichtigt werden. Das Framework ist auch skalierbar und kann auf verschiedenen Hardware-Plattformen eingesetzt werden, von herkömmlichen CPUs bis hin zu spezialisierten Chips für Brain-Inspired Computing.
neuroAIˣ FPGA-Cluster ist beim Betrieb biologischer neuronaler Netze zehnmal schneller und zehnmal energieeffizienter als die besten neurowissenschaftlichen Simulatoren von heute. ©Lehrstuhl für Integrierte digitale Systeme und Schaltungsentwurf
Das Framework besteht aus zwei Komponenten: einem Software-Tool, das neuromorphe Architekturen schnell bewerten kann, und einem Hardware-Cluster, der aus 35 FPGA (Field-Programmable Gate Array) -Karten zusammengesetzt ist. Der Hardware-Cluster hat zwei Funktionen: Er kann als Testplattform verwendet werden, um das Software-Tool zu kalibrieren und die vorgeschlagenen Architekturen auf ihre Effizienz zu testen. Er kann auch als neurowissenschaftlicher Simulator fungieren, der die besten existierenden Plattformen in Bezug auf Geschwindigkeit und Energieeffizienz um das Zehnfache schlägt.
„Wir sind angenehm überrascht von der hohen Beschleunigung und der Energieeffizienz, die unser System erreicht hat, da der Schwerpunkt unserer Arbeit auf der Flexibilität und Reproduzierbarkeit des Simulatorsystems lag“, erklärt Kevin Kauth, Doktorand in der Gruppe von Tobias Gemmeke und einer der Hauptentwickler des Projekts.
Eine mögliche Zukunftsvision von Gemmeke und seinem Team ist es, einen FPGA-Cluster mit hoher Kapazität zu bauen und eine Webplattform zu entwickeln, die es Neurowissenschaftlerinnen und Neurowissenschaftlern sowie KI-Forschenden aus aller Welt ermöglicht, den Cluster über die Cloud zu nutzen.
Unter neuroaix.de findet ihr noch weitere Informationen zu dem spannenden Projekt.
Eine detaillierte Beschreibung des neuroAIx-Frameworks wurde zudem in der Open-Access-Zeitschrift Frontiers in Computational Neuroscience veröffentlicht.
Schreibe einen Kommentar