Die Simulation biologischer neuronaler Netze ist eine große Herausforderung. Klassische Hochleistungsrechner oder Parallelrechner sind für die Durchführung solcher Simulationen nicht gut geeignet. Auch dedizierte Hardware-Lösungen sind mit einem Henne-Ei-Problem konfrontiert: Je mehr wir die neuronalen Schaltkreise verstehen, desto mehr ändern sich die Anforderungen an den Simulator.
Das Team von Prof. Tobias Gemmeke, Lehrstuhl für Integrierte Digitale Systeme und Schaltungsentwurf der RWTH Aachen, hat nun ein Programmiergerüst entwickelt. Das so genannte Framework geht genau auf die Notwendigkeit ein, einen schnellen und effizienten neurowissenschaftlichen Simulator zu entwickeln und gleichzeitig ein hohes Maß an architektonischer Flexibilität beizubehalten. „Die hier beschriebenen Fortschritte sind atemberaubend. Simulationen, die viel schneller sind als Echtzeit, sind für die Untersuchung von Plastizität und Lernen, die sich über Stunden und Tage erstrecken, unerlässlich“, sagt Markus Diesmann, Direktor und Neurowissenschaftler am Forschungszentrum Jülich. Dieses ist Teil des Forschungsteams.
KI im Blick: Zehnmal schnellerer und energieeffizienterer Simulator
Das neue Framework „neuro AI x“, besteht aus einem Software-Tool zur schnellen Bewertung neuartiger neuromorpher Architekturen und einem Rechnerverbund. Dieser besteht derzeit aus 35 Field-Programmable Gate Array (FPGA)-Karten.
Der FPGA-Cluster hat eine doppelte Funktion: Einerseits dient er als Testumgebung, um das Software-Tool zu kalibrieren und die Effizienz der vorgeschlagenen Architekturen empirisch zu prüfen. Andererseits ist er selbst ein voll funktionsfähiger neurowissenschaftlicher Simulator, der die besten heute verfügbaren Plattformen sowohl in Bezug auf die Geschwindigkeit als auch die Energieeffizienz um den Faktor zehn übertrifft.
Roboterhersteller sollten offener sein für Anwendungen in der Klinik
„Die Fähigkeiten der modernen künstlichen Intelligenz schießen in die Höhe – und damit auch der Energieverbrauch von Computerhardware. Die Menschheit muss sich dringend von der Biologie inspirieren lassen, um nachhaltige Wege zu finden, ‚intelligente‘ Berechnungen zu realisieren“, sagt Prof. Gemmeke. Die hohe Energieeffizienz des realisierten FPGA-Clusters verspricht, dass eine von der Biologie inspirierte Computing-Architektur dazu beitragen kann, den CO2-Fußabdruck der zukünftigen künstlichen Intelligenz (KI) zu verringern.
Hardware, die ein Gehirn simuliert
Der FPGA-Cluster kann auch verwendet werden, um neuromorphe Architekturen zu erforschen, die auf neuartigen so genannten memristiven Bauelementen basieren. Memristoren (Kurzform von „memory resistor“) sind passive Schaltungselemente, deren Widerstand durch Anlegen einer externen Spannung programmiert werden kann. Diese Eigenschaft macht sie zu idealen Kandidaten für die Entwicklung der Hardware-Analogie von Synapsen und verspricht, die Leistung neuromorpher Hardware zu steigern. Die Flexibilität des neuro AI x Frameworks kann die gemeinsame Entwicklung von Software und Hardware auf der Grundlage der neuartigen Geräte erleichtern, indem das Verhalten neuartiger elektronischer Geräte auf FPGAs emuliert wird.
Gemmeke und seine Kollegen erwägen nun die Realisierung einer hochskalierten Version des FPGA-Clusters und einer Webschnittstelle, um Neurowissenschaftlern sowie KI-Forschenden auf der ganzen Welt einen Cloud-Zugang zum Cluster zu ermöglichen.
Kontakt:
RWTH Aachen
Prof. Tobias Gemmeke
Lehrstuhl für Integrierte Digitale Systeme und Schaltungsentwurf
E-Mail: gemmeke@ids.rwth-aachen.de
Telefon: +49 (0)241 80 97600
www.frontiersin.org/articles/10.3389/fncom.2023.1144143/full
