Rechnen mit Neuronen aus Silizium

Eine Bäckerstube, in der jedes Brötchen vom Gesellen aus dem Korb genommen und dem Meister gereicht wird, damit er es eingetütet dem Kunden überreicht?

Undenkbar. Vielmehr arbeiten Gesellen und Meister gleichzeitig, um Backwerk zu verkaufen. Ähnlich ist es für Computerprogramme effizienter, Daten parallel zu verarbeiten anstatt sie nacheinander – oder seriell – zu berechnen. Trotzdem sind die meisten Programme immer noch seriell angelegt.

Wissenschaftler von der Freien Universität Berlin, dem Bernstein Zentrum Berlin und der Universität Heidelberg entwickeln nun eine neue Technologie weiter, die auf der parallelen Datenverarbeitung beruht. Beim sogenannten neuromophic computing übernehmen Neurone aus Silizium die Rechenarbeit auf speziellen Computerchips. Ähnlich wie unsere grauen Zellen im Gehirn sind sie untereinander verknüpft. Wird dieser Verband mit Daten gefüttert, arbeiten alle Silizium-Neurone parallel an der Lösung des Problems. Die genaue Art der Verknüpfung bestimmt hierbei, wie das Netzwerk die Daten verarbeitet. Einmal richtig verknüpft arbeitet das neuromorphe Netzwerk quasi von allein. Die Forscher haben jetzt für einen solchen Chip ein Netzwerk entworfen – ein neuromorphes „Programm“ –, das eine grundlegende Rechenleistung lösen kann: Es ist in der Lage Daten unterschiedlicher Merkmale in Klassen einteilen. So kann es etwa handgeschriebene Zahlen erkennen oder anhand von Blüteneigenschaften bestimmte Pflanzenarten unterscheiden.

„Beim Entwurf der Netzwerkarchitektur haben wir uns vom geruchsverarbeitenden Nervensystem der Insekten inspirieren lassen“, erklärt Michael Schmuker, Erstautor der Studie. „Dieses ist von Natur aus für die hochparallele Verarbeitung der komplexen chemischen Welt optimiert.“ Gemeinsam mit Arbeitsgruppenleiter Martin Nawrot und Thomas Pfeil konnte er erstmalig zeigen, dass ein neuromorpher Chip eine solch komplexe Aufgabe lösen kann. Für ihre Arbeit benutzten die Forscher einen Chip mit Neuronen aus Silizium, der am Kirchhoff-Institut für Physik der Universität Heidelberg entwickelt wurde.

Computerprogramme, die Daten klassifizieren können, finden in den verschiedensten technischen Geräten Anwendung, etwa in Smartphones. Den neuromorphen Netzwerk-Chip könnten auch Super-Computer nutzen, die nach dem Vorbild des menschlichen Gehirns gebaut werden, um sehr komplexe Aufgaben zu lösen. Mithilfe ihres Prototyps können die Berliner Wissenschaftler nun auch erforschen, wie sie Netzwerke konstruieren müssen, um den Besonderheiten dieser Gehirn-ähnlichen Computer gerecht zu werden. Eine große Herausforderung dabei ist, dass keine zwei Nervenzellen gleich sind – weder in Silizium noch im natürlichen Vorbild, dem Gehirn.

Das Bernstein Zentrum Berlin ist Teil des Nationalen Bernstein Netzwerks Computational Neuroscience. Seit 2004 fördert das Bundesministerium für Bildung und Forschung (BMBF) mit dieser Initiative die neue Forschungsdisziplin Computational Neuroscience mit über 170 Mio. €. Das Netzwerk ist benannt nach dem deutschen Physiologen Julius Bernstein (1835-1917).

Weitere Informationen erteilen Ihnen gerne:
Dr. Michael Schmuker
Freie Universität Berlin
Institut für Biologie – Neurobiologie
Königin-Luise-Straße 1-3, Raum 205
14195 Berlin 

Tel: +49 (0)30 838 57294
Email: m.schmuker@fu-berlin.de
Originalpublikation:
M. Schmuker, T. Pfeil & M.P. Nawrot (2014): A neuromorphic network for generic multivariate data classification. PNAS, published ahead of print January 27, doi:10.1073/pnas.1303053111

http://www.pnas.org/cgi/doi/10.1073/pnas.1303053111

Weitere Informationen:

http://biomachinelearning.net persönliche Webseite Michael Schmuker
http://fu-berlin.de/neuroinformatik Arbeitsgruppe von Martin Paul Nawrot
https://www.bccn-berlin.de Bernstein Zentrum Berlin
http://www.fu-berlin.de Freie Universität Berlin
http://www.kip.uni-heidelberg.de/cms/groups/vision AG Electronic Vision(s), Uni Heidelberg

http://www.nncn.de Nationales Bernstein Netzwerk Computational Neuroscience