Neuromorpher Prozessor: Erstmals Hirn auf Chip

| |
1 Star2 Stars3 Stars4 Stars5 Stars

Herkömmliche Hardware taugt für die Berechnung neuronaler Netzwerke nur bedingt. Sehr viel effektiver gelingt das mit neuromorphen Chips. Die weltweit ersten dieser Art wurden jetzt vorgestellt.

Computer mit klassischer Von-Neumann-Architektur tun sich bei der Berechnung tiefer neuronaler Netze (DNN, Deep Neural Networks) schwer. Sie arbeiten sequenziell und der Datentransfer zwischen Prozessor und Speicher bremst die Performance ganz erheblich. Um dieses Problem zu lösen und unserer hocheffektiven „Denkweise“ näher zu kommen, entwickeln weltweit Forscher an neuromorpher Hardware, die sogenannte gepulste neuronale Netze (Spiking Neural Networks, SNN) in Silizium umsetzen.

Informationen zwischen den Neuronen werden dabei als Pulse weitergeleitet. Und die Verarbeitung in einem Neuron hängt von der Amplitude und Form des Pulses, aber auch von der Ankunftszeit ab. Neuronale Netze bekommen dadurch also eine zeitliche Dimension, um etwa sequenzielle Daten verarbeiten zu können.

Einer der „neuromorphen“ Pioniere war IBM mit TrueNorth, einem Chip der mit 4096 Rechnerkernen etwa eine Million Neuronen und 256 Millionen Synapsen simuliert. Prozessoren nach einem ähnlichem Prinzip entwickelten unter anderen das Forschungsinstitut imec und Intel.

Erster kommerzieller neuromorpher Prozessor

Neuromorpher Prozessor
Auf jedem Akida-NSoC sitzen 1,2 Mio. Neuronen und 10 Mrd. Synapsen. (Image: BrainChip).

Der erste einsatzreife, neuromorphe Prozessor mit Spiking-Neural-Network-Architektur (SNN) kommt jetzt allerdings von BrainChip. Die neuen Neuromorphic Systems on a Chip (NSoC) der Akida-Familie sind klein, kostengünstig sowie stromsparend und im Gegensatz zu heute üblichen Convolutional Neural Networks (CNN) hundertmal effektiver. Damit bieten sie sich für künstlich intelligente Aufgaben in Edge-Geräten an. Etwa in Fahrerassistenzsystemen (ADAS), autonomen Fahrzeugen, Drohnen, in der Robotik sowie in Überwachungs- und Bildverarbeitungssystemen. Ausserdem lassen sich mehrere Akida-Systeme zu komplexen neuronalen Netzen skalieren, um Anwendungen in der Agrartechnik (AgTech), Cybersicherheit oder Finanztechnologie (FinTech) zu trainieren und ein Inferencing durchzuführen.

Prozessor und Co-Prozessor

Jeder Akida-NSoC integriert 1,2 Mio. Neuronen und 10 Mrd. Synapsen. Verglichen mit CNN-Beschleunigern liefert er damit Leistungszuwächse um mehr als eine Größenordnung bei typischen Bild-/Sekunden-/Watt-Benchmarks (CIFAR-10) mit vergleichbarer Genauigkeit.

Der Akida-NSoC funktioniert außerdem als eigenständiger Embedded-Beschleuniger und als Co-Prozessor. Und er stellt Sensorschnittstellen für pixelbasierte Bildgebung, dynamische Bildsensoren (DVS), Lidar, Audio und Analogsignale zur Verfügung. Dazu kommen Hochgeschwindigkeits-Datenschnittstellen wie PCI-Express, USB und Ethernet.

Die Akida-Entwicklungsumgebung für das Erstellen, Training und Testen von SNNs ist ab sofort für Early-Access-Kunden erhältlich. Als Muster werden Akida NSoCs voraussichtlich im dritten Quartal 2019 verfügbar sein.

 


Mehr über künstliche Intelligenz in Embedded Systemen erfahren Sie auf der Embedded Platforms Conference (eEPC).

 

 

 

 

 

Brainchip  (Bild: BrainChip).

Marktreife KI-Prozessoren für Edge-Geräte von BrainChip. (Bild: BrainChip).