Neuromorpher Licht-Chip funktioniert ähnlich wie das Gehirn

| Redakteur: Michael Eckstein

Schematische Darstellung eines Mikrochips, der dem Gehirn nachempfunden ist. Auf dem Chip erstreckt sich ein künstliches Netz von Neuronen und Synapsen, das mit Licht arbeitet.
Schematische Darstellung eines Mikrochips, der dem Gehirn nachempfunden ist. Auf dem Chip erstreckt sich ein künstliches Netz von Neuronen und Synapsen, das mit Licht arbeitet. (Bild: Johannes Feldmann)

Künstliche optische Synapsen zum neuronalen Netz verknüpft: Ein experimenteller, mit Phasenwechsel-Material aufgebauter Chip lernt und führt mithilfe von Photonen blitzschnell In-Memory-Berechnungen durch. Die Technik könnte in Zukunft dazu dienen, Krebszellen zu erkennen.

Einem internationalen Forscherteam der Universitäten Münster, Oxford und Exeter ist die Entwicklung einer Hardware gelungen, die den Weg in Richtung hirnähnliche Computer ebnen könnte: Die Nanowissenschaftler haben einen Chip hergestellt, auf dem sich ein Netz aus künstlichen Neuronen und Synapsen erstreckt. Diese soll in der Lage sein, Informationen zu „lernen“ und auf Basis der gewonnenen Erkenntnisse zu rechnen. Da das System ausschließlich mit Licht und nicht mit Elektronen arbeitet, kann es nach Aussagen der Forscher um ein Vielfaches schneller Daten verarbeiten als traditionelle Verfahren. Der Ansatz könnte später in vielen Bereichen Anwendung finden, um Muster in großen Datenmengen auszuwerten, zum Beispiel in der medizinischen Diagnostik. Die Studie ist im Fachmagazin „Nature“ erschienen.

Künstliche Intelligenz findet bereits heute in vielen Bereichen Anwendung – etwa, wenn ein Handy Gesichter oder Anweisungen in verschiedenen Sprachen erkennt darauf reagiert. Bei komplexeren Anwendungen stoßen Computer jedoch nach wie vor schnell an ihre Grenzen. Das liegt unter anderem daran, dass ihre Recheneinheiten und Datenspeicher traditionell voneinander getrennt sind. Die Folge: Alle zu verarbeitenden Daten müssen zunächst im Speicher lokalisiert und zum Prozessor gesendet werden. Nach dem Berechnungsprozess geht es Retour wieder zum Speicher. Allein das Abholen und Zustellen der Daten benötigt etliche Taktzyklen – und damit Zeit. In diesem Punkt ist das Gehirn selbst modernsten Computern viele Schritte voraus: Es verarbeitet und speichert Informationen an ein- und derselben Stelle: an den Synapsen. Rund 100 Billionen dieser Nervenzellen-Verknüpfungen gibt es im Gehirn.

Schneller mit Licht rechnen

Das international besetzte Forscherteam hat nun den Weg in Richtung hirnähnliche Computer ebnen können: Die Nanowissenschaftler haben einen Chip hergestellt, auf dem sich ein Netz aus künstlichen Neuronen erstreckt. Es arbeitet mit Licht und kann das Verhalten von Nervenzellen im Gehirn nachahmen. Die Forscher konnten zeigen, dass ein solches optisches neurosynaptisches Netz in der Lage ist, Informationen zu „lernen“ und auf Basis der gewonnenen Erkenntnisse zu rechnen und Muster zu erkennen – so wie es ein Gehirn kann. Da das System ausschließlich mit Licht und nicht wie traditionell mit Elektronen funktioniert, soll es Daten um ein Vielfaches schneller verarbeiten können.

„Dieses integrierte photonische System ist ein experimenteller Meilenstein”, sagt Studienleiter Prof. Dr. Wolfram Pernice, Physiker an der Westfälischen Wilhelms-Universität Münster (WWU). Die meisten vorhandenen Ansätze für sogenannte neuromorphe Netzwerke beruhen derzeit auf Elektronen. Optische Systeme, bei denen Photonen – also Lichtteilchen – zum Einsatz kommen, stecken hingegen noch in den Kinderschuhen.

Die Geschichte im Detail – Hintergrund und Methode

Das Prinzip, das die deutschen und britischen Wissenschaftler nun vorstellen, funktioniert so: Auf den Mikrochips sind Lichtwellenleiter platziert, die Photonen übertragen können. Die Lichtwellenleiter bestücken die Forscher mit sogenannten Phasenwechselmaterialien (engl. phase-change materials). Derartige Materialien finden heute schon bei Speichermedien wie wiederbeschreibbaren DVDs Anwendung.

Sie zeichnen sich dadurch aus, dass sie ihre Eigenschaften drastisch verändern – je nachdem, in welchem Phasenzustand sie sich befinden. So wechseln die Materialien zwischen einem kristallinen Zustand, in dem sich ihre Atome auf regelmäßige Weise anordnen, und einem amorphen Zustand, in dem sich ihre Atome auf unregelmäßige Weise organisieren.

Mal kristallin, mal amorph: Künstliche Synapsen wechseln ihren Phasenzustand

Die Phasenveränderung kann gezielt durch Licht ausgelöst werden, indem ein Laserstrahl das Material erhitzt. „Dadurch, dass das Material so stark reagiert und seine Eigenschaften drastisch verändert, eignet es sich gut, um Synapsen und die Erregungsübertragung zwischen zwei Neuronen nachzuahmen“, sagt Erstautor Johannes Feldmann, der im Rahmen seiner Doktorarbeit an der WWU einen großen Teil der Experimente durchführte.

In ihrer aktuellen Studie gelang es den Forschern zum ersten Mal, viele nanostrukturierte Phasenwechselmaterialien zu einem neurosynaptischen Netzwerk zusammenzuschließen. Die Nanowissenschaftler entwickelten einen Chip mit vier künstlichen Neuronen und insgesamt 60 Synapsen. Die in verschiedenen Schichten aufgebaute Struktur des Chips basierte auf der sogenannten Wellenlängenmultiplex-Technik – ein Verfahren, bei dem Licht auf unterschiedlichen Kanälen innerhalb eines optischen Nanoschaltkreises übertragen wird.

System kann aus Beispielen lernen und verallgemeinern

Um zu testen, inwiefern das System in der Lage ist, Muster zu erkennen, „fütterten“ es die Forscher mit Informationen in Form von Lichtpulsen und wandten zwei verschiedene Algorithmen des Maschinellen Lernens an. Hierbei „lernt“ ein künstliches System aus Beispielen und kann diese am Ende verallgemeinern.

Bei den beiden eingesetzten Algorithmen – sowohl beim sogenannten überwachten als auch beim unüberwachten Lernen – war das künstliche Netzwerk am Ende in der Lage, anhand von vorgegebenen Lichtmustern ein jeweils gesuchtes Muster zu erkennen, unter anderem vier aufeinanderfolgende Buchstaben.

Der nächste Schritt: Hochskalieren per Silizium-Technologie

„Mit unserem System haben wir einen wichtigen Schritt in die Richtung einer Computer-Hardware gemacht, die sich ähnlich wie Neuronen und Synapsen im Gehirn verhält und die in der Lage ist, reale Aufgaben zu bearbeiten“, sagt Pernice. Da Photonen anstelle von Elektronen zum Einsatz kommen, ließe sich das große Potenzial von optischen Technologien ausschöpfen. „Nicht nur wie bisher, um Daten zu übertragen, sondern auch, um sie an einem Ort speichern und verarbeiten zu können“, betont auch Co-Autor Prof. Dr. Harish Bhaskaran von der Oxford University.

Eine solche Hardware könnte zum Beispiel dazu dienen, Krebszellen automatisch zu identifizieren. Bis solche Anwendungen möglich sind, sind jedoch noch viele weitere Schritte nötig. So müssen die Forscher die Zahl der künstlichen Neuronen und Synapsen deutlich erhöhen und die Tiefe der neuronalen Netzwerke vergrößern. Hier könnte die enorme Skalierbarkeit der bewährten Silizium-Halbleitertechnologie zum Einsatz kommen, mit der sich auch optische Chips integrieren lassen. „Dieser Schritt soll im EU-Verbundprojekt ,Fun-COMP‘ erfolgen“, sagt Prof. Dr. C. David Wright von der Exeter University, Co-Autor und Leiter des Fun-COMP-Projekts.

Die Studie erhielt finanzielle Unterstützung durch die Deutsche Forschungsgemeinschaft, dem britischen Engineering and Physical Sciences Research Council und die Europäische Kommission.

KI im Embedded-Einsatz: Erster neuromorpher SoC-Baustein angekündigt

KI im Embedded-Einsatz: Erster neuromorpher SoC-Baustein angekündigt

10.09.18 - Eine neue Art von Beschleunigungs-SoCs soll neuronale Netzwerke und Künstliche Intelligenz (KI) an den Netzwerkrand und in Unternehmen bringen: Brainchip hat mit dem Aikida den ersten in Serie erhältlichen, speziell auf SNNs (Spiked Neural Networks) ausgelegten SoC angekündigt. lesen

Intelligentere Edge-Endgeräte durch Künstliche Intelligenz in FPGAs

Intelligentere Edge-Endgeräte durch Künstliche Intelligenz in FPGAs

28.03.19 - Künstliche Intelligenz scheint oft aufwändige Cloudverbindungen und hohen Stromverbrauch zu fordern. Doch auch mit Low-Cost-FPGAs lässt sich eine effiziente, günstige KI-Implementierung sicherstellen. lesen

Intel präsentiert selbstlernenden Chip

Intel präsentiert selbstlernenden Chip

26.09.17 - Intel hat mit 'Loihi' einen neuromorphen Testchip für den Massenmarkt angekündigt. Konzipiert für den Einsatz in PCs oder Rechenzentren soll Loihi speziell die Energieeffizienz bei Aufgaben der künstlichen Intelligenz mit Mustererkennung drastisch steigern. lesen

Kommentar zu diesem Artikel abgeben
Der Widerstand gegen elektromagnetische Impulse (Licht) bietet einen großen militärischen Vorteil...  lesen
posted am 11.05.2019 um 12:51 von Unregistriert


Mitdiskutieren
copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Infos finden Sie unter www.mycontentfactory.de (ID: 45909801 / KI/Machine Learning)