Wissenschaftler aus China präsentierten zusammen mit Kollegen aus Singapur und den USA einen hybriden neuromorphen Prozessor und ein darauf basierendes Rechenmodul, dessen Architektur sowohl an den Betrieb klassischer künstlicher neuronaler Netze als auch an Impulsnetze angepasst ist, die in ihrem Prinzip des Betriebs näher an biologischen neuronalen Netzen sind. Der Chip enthält mehr als 150 Kerne, von denen jeder aus künstlichen Analoga von Axon, Synapse, Dendriten und Perikaryon besteht, wodurch Sie die Arbeit echter Neuronen nachahmen können. In diesem Fall können die Kerne zwischen zwei Betriebsarten wechseln sowie Signale eines klassischen neuronalen Netzes mit einem bestimmten Wert in binäre Nervenimpulse für ein neuronales Impulsnetz umwandeln und umgekehrt, sagen die Autoren des Artikels in der Zeitschrift Natur.
Normalerweise bedeutet ein Chip für die Hardwarebeschleunigung von neuronalen Netzberechnungen Chips mit einer optimaleren Architektur für viele parallele Berechnungen oder andere Funktionen, die Berechnungen beschleunigen. Es gibt aber auch neuromorphe Chips, deren Architektur sich vom klassischen von Neumann unterscheidet und der Struktur echter Neuronen ähnelt. Bisher befinden sich solche Chips in der experimentellen Phase und werden in der Praxis außerhalb von Labors praktisch nicht eingesetzt. Dies liegt hauptsächlich an der Tatsache, dass ein großer Unterschied in der Architektur die Anpassung von Algorithmen für neuromorphe Chips erfordert.
Klassische künstliche neuronale Netze bestehen aus Schichten, die Neuronen enthalten. Während des Betriebs empfängt das Neuron der aktuellen Schicht Signale mit Werten von allen Neuronen der vorherigen. Die Besonderheit neuronaler Netze, die es ihnen ermöglicht, die anstehende Aufgabe zu erlernen, besteht darin, dass jede Verbindung zwischen Neuronen im Netzwerk ein Gewicht hat, das im Wesentlichen die Signalstärke für das empfangende Neuron bestimmt. Das Gewicht jeder Bindung kann sich während des Betriebs ändern, wodurch der Algorithmus während des Trainings angepasst werden kann.
Im Gegensatz zu solchen neuronalen Netzen gibt es auch impulsförmige neuronale Netze, die wie echte Neuronen funktionieren. Wenn sie ein Signal vom vorherigen Neuron empfangen, weisen sie diesem auch eine bestimmte Gewichtung zu. Der Hauptunterschied besteht jedoch darin, dass sie nicht immer ein Signal an das nächste Neuron weiterleiten, sondern erst dann, wenn das eingehende Signal den durch das Aktionspotential bestimmten Schwellenwert überschritten hat. War das Signal niedriger, "feuert" das Neuron nicht, wurde die Schwelle überschritten, sendet das Neuron weiter ein Signal der maximal möglichen Amplitude.
Betriebsarten von Tianjic-Kernen
Der neue Tianjic-Chip, der von Wissenschaftlern unter der Leitung von Luping Shi von der Xinhua-Universität entwickelt wurde, verwendet einen neuromorphen Schaltkreis, der die Bestandteile eines Neurons nachahmt. Der Chip besteht aus 156 Kernen, von denen jeder Blöcke enthält, die als Axon, Synapse, Dendriten und Perikaryon fungieren, sowie eine Steuereinheit, die hauptsächlich für die Weiterleitung der Signale zwischen den Kernen verantwortlich ist. Diese Komponenten ermöglichen es jedem Kern, die Funktion von 256 Neuronen nachzuahmen.
Das Hauptmerkmal des Chips besteht darin, dass sich Signale zwischen Neuronen sowohl in binärer Form ausbreiten können, um mit einem gepulsten neuronalen Netzwerk zu arbeiten, als auch in einer Multi-Bit-Form für ein klassisches künstliches neuronales Netzwerk. Dazu haben die Blöcke unterschiedliche Betriebsmodi, die die Kernelkomponenten auf unterschiedliche Weise nutzen. In diesem Fall arbeiten die Kerne unabhängig und auf einem Chip ist es möglich, ein Hybridbetriebsschema zu implementieren, bei dem einige der Kerne in einem Modus arbeiten, andere in einem anderen und einige mehr als Wandler fungieren, die Binärimpulse in numerische Werte umwandeln und umgekehrt.
Rechenmodul mit 25 Tianjic-Prozessoren
Der Chip unterstützt den Betrieb im Multiprozessormodus, bei dem Signale nicht nur innerhalb eines Prozessors verteilt werden. Als Beispiel haben Wissenschaftler ein Board mit 25 Tianjic-Prozessoren zusammengebaut. Die Wissenschaftler verglichen die Leistung des Prozessors mit anderen neuromorphen Chips, darunter IBM TrueNorth und Intel Loihi, die ebenfalls über eine gepulste neuronale Netzwerkarchitektur verfügen. Die vollständigen Daten zu diesen Geräten sind nicht öffentlich, aber die Autoren stellen fest, dass Tianjic 1,5-mal mehr Milliarden synaptischer Operationen pro Sekunde (GSOPS) pro Watt durchführt als TrueNorth: 649 gegenüber 400.
Vergleich des Prozessors mit Analoga
Als Anwendungsbeispiel statteten die Autoren ein vor einigen Jahren entwickeltes unbemanntes Funkfahrrad mit einem Computer mit neuen Prozessoren aus. Darauf starteten sie mehrere neuronale Netze zur Selbstkontrolle, Sprachbefehlserkennung, Personenverfolgung und Hindernisvermeidung. Einige von ihnen wurden in Form klassischer neuronaler Faltungsnetze, andere in Form von Impulsnetzen implementiert. Auf dem Demo-Video können Sie sehen, wie das Fahrrad selbstständig fährt, der Person folgt und seinen Befehlen folgt.
Wissenschaftler rekonstruieren die Funktionsweise von Neuronen nicht nur in neuromorphen Computern, sondern auch in anderen Geräten. Im vergangenen Jahr haben koreanische Forscher beispielsweise ein künstliches Analogon des afferenten Nervs hergestellt und mit dem Bein einer Kakerlake verbunden. Durch die Simulation der Arbeit von Mechanorezeptoren, Synapsen und anderen Organen konnten die Wissenschaftler die Übertragung von Signalen von echten Nerven simulieren und das Bein der Kakerlake in Bewegung setzen.
