Adaptives optisches neuronales Netz

Der Chip enthält fast 8.400 funktionsfähige künstliche Neuronen aus wellenleiter-integriertem Phasenwechselmaterial.
(c) Jonas Schütte / AG Pernice

… verbindet einige Tausend künstliche Neuronen.

Ein Team um die Physiker Prof. Dr. Wolfram Pernice und Prof. Dr. Martin Salinga und den Informatiker Prof. Dr. Benjamin Risse von der Universität Münster hat mit photonischen Prozessoren eine sogenannte ereignisbasierte Architektur entwickelt. Ähnlich dem Gehirn ermöglicht sie eine fortlaufende Anpassung der Verschaltung innerhalb des neuronalen Netzes.

Moderne Rechenmodelle, die beispielsweise für komplexe und leistungsfähige KI-Anwendungen genutzt werden, bringen herkömmliche digitale Computerprozessoren an ihre Grenzen. Neuartige Rechenarchitekturen, die der Funktionsweise biologischer neuronaler Netze nachempfunden sind, versprechen eine schnellere und energieeffiziente Datenverarbeitung. Mehrere Forscher haben nun mit photonischen Prozessoren, bei denen Daten mittels Licht transportiert und verarbeitet werden, eine sogenannte ereignisbasierte Architektur entwickelt.

Ähnlich dem Gehirn ermöglicht sie eine fortlaufende Anpassung der Verschaltung innerhalb des neuronalen Netzes. Die veränderbare Verschaltung ist eine Grundlage für Lernprozesse. Für die Studie hat ein Team des Sonderforschungsbereichs 1459 “Intelligent Matter” um die Physiker Prof. Dr. Wolfram Pernice, Prof. Dr. Martin Salinga und den Informatiker Prof. Dr. Benjamin Risse der Universität Münster mit Forschern der Universitäten Exeter und Oxford zusammengearbeitet. Die Arbeit ist in der Fachzeitschrift „Science Advances“ veröffentlicht.

Für ein maschinelles neuronales Netz benötigt man künstliche Neuronen, deren Aktivierungen durch äußere Anregungen und Verbindungen zu anderen Neuronen gegeben sind. Die Verbindungen zwischen diesen künstlichen Neuronen werden wie beim biologischen Vorbild Synapsen genannt. Das münstersche Forschungsteam nutzte für die aktuelle Studie ein Netz aus fast 8.400 optischen Neuronen aus wellenleiter-integriertem Phasenwechselmaterial und zeigte: Die Verbindung zwischen jeweils zwei dieser Neuronen kann tatsächlich stärker oder schwächer werden (synaptische Plastizität), und es können sich Verbindungen neu bilden oder bestehende Verbindungen auflösen (strukturelle Plastizität).

Die Synapsen waren dabei im Gegensatz zu anderen, ähnlichen Arbeiten keine Hardwareelemente, sondern durch die Eigenschaften der optischen Pulse codiert – durch die jeweilige Lichtwellenlänge und die Intensität des Pulses. Dadurch war es möglich, einige Tausend Neuronen auf einem einzigen Chip unterzubringen und optisch zu verbinden.

Im Vergleich zu den herkömmlichen elektronischen Prozessoren bieten lichtbasierte Prozessoren eine deutlich höhere Bandbreite und ermöglichen dabei die Durchführung komplexer Rechenaufgaben – bei geringerem Energieverbrauch. „Unser Ziel ist es, eine optische Rechenarchitektur zu entwickeln, die es langfristig ermöglicht, KI-Anwendungen schnell und energieeffizient zu berechnen“, fasst Frank Brückerhoff-Plückelmann, einer der Erstautoren, zusammen.

Zur Methode: Das eingesetzte, nichtflüchtige Phasenwechselmaterial kann zwischen einer ungeordneten Struktur und einer kristallinen Struktur mit geordnetem Atomgitter geschaltet werden. Diese Eigenschaft ermöglicht auch ohne Energiezufuhr eine dauerhafte Datenspeicherung. Die Forscher testeten die Leistung des neuronalen Netzes, indem sie es mit einem evolutionären Algorithmus darauf trainierten, zwischen deutschen und englischen Textbeispielen zu unterscheiden. Als Erkennungsparameter nutzten sie die Anzahl von Vokalen im Text.

Die Forscher erhielten finanzielle Unterstützung durch die Deutsche Forschungsgemeinschaft, die Europäische Kommission sowie durch „UK Research and Innovation“.

Wissenschaftliche Ansprechpartner:

Prof. Dr. Wolfram Pernice
E-Mail: wolfram.pernice@uni-muenster.de

Frank Brückerhoff-Plückelmann
E-Mail: frank.bp@uni-muenster.de

Physikalisches Institut (AG Responsive Nanosystems)
Universität Münster

Originalpublikation:

Brückerhoff-Plückelmann F. et al. (2023): Event-driven Adaptive Optical Neural Network. Science Advances Vol 9, Issue 42; DOI: https://www.science.org/doi/10.1126/sciadv.adi9127

https://www.uni-muenster.de/news/view.php?cmdid=13643

Alle Nachrichten aus der Kategorie: Physik Astronomie

Von grundlegenden Gesetzen der Natur, ihre elementaren Bausteine und deren Wechselwirkungen, den Eigenschaften und dem Verhalten von Materie über Felder in Raum und Zeit bis hin zur Struktur von Raum und Zeit selbst.

Der innovations report bietet Ihnen hierzu interessante Berichte und Artikel, unter anderem zu den Teilbereichen: Astrophysik, Lasertechnologie, Kernphysik, Quantenphysik, Nanotechnologie, Teilchenphysik, Festkörperphysik, Mars, Venus, und Hubble.

Zurück zur Startseite

Kommentare (0)

Schreiben Sie einen Kommentar

Neueste Beiträge

Die Glasknochenkrankheit besser verstehen – ganz ohne Tierversuche

Forschende der ETH Zürich haben ein zellbasiertes Knochenmodell entwickelt, mit dem sie der Ursache der Erbkrankheit auf den Grund gehen können. Wer an der Glasknochenkrankheit leidet, für den ist das…

Biobasierte Kunststoffe – neuartiges Folienmaterial aus dem Biokunststoff PLA

Flexible Einwegfolien wie Tragetaschen oder Müllsäcke werden hauptsächlich aus erdölbasiertem Polyethylen niedriger Dichte (LDPE) hergestellt. Sie besitzen jedoch einen großen CO2-Fußabdruck und tragen zur Umweltverschmutzung durch Kunststoffabfälle bei. Einem Team…

Isolierte Atome groß in Form

LIKAT-Chemiker demonstrieren heterogene Katalyse für die Synthese komplexer Moleküle. Ein am LIKAT in Rostock entwickelter Katalysator eröffnet neue Wege in der Synthese von Feinchemikalien etwa für die Pharmazie, die Agro-…

Partner & Förderer