Chip mit Neuronen-Schaltkreis
Forscher des MIT, der Bell Labs und aus der Schweiz entwickelten einen Chip-Schaltkreis auf der Basis von Neuronen-Netzen der Großhirnrinde.
Der Vorteil des neuronen-inspirierten Schaltkreis-Designs liegt in der flexibleren und dynamischeren Signalverarbeitung.
Vorbild Neuronales Netz
In den Bereichen Anpassungsfähigkeit, Fehlertoleranz und
Flexibilität sind die neuronalen Netze der Großhirnrinde des
menschlichen Gehirns unerreicht. Schon eine Arbeit aus dem Jahr 1996
von Salinas und Abbott demonstrierte eine Computer-Simulation eines
Neuronen-Netzes, das spezifische Aufgaben erfolgreich bewältigte.
Die Forscher des MIT, der Bell Labs und aus der Schweiz
reproduzierten das Verhalten eines solchen Netzwerkes für einen
elektronischen Schaltkreis.
Institut für Neuroinformatik der ETH-ZürichAnalog wie Digital
Der neuronen-basierende Schaltkreis vereint analoge und digitale Eigenschaften. Das Neuronen-Netzwerk kann zwischen linearem und nicht-linearem Verhalten wechseln.
Konventionelles Design benötigt separate digitale und analoge Schaltkreise für eine lineare Verstärkung und nichtlineare Selektion des Inputsignals.
Analog-Digital-Switch
Die Fähigkeit des Neuronen-Netzes, basierend auf den
Input-Signalen, zwischen linearem und nicht linearem Verhalten hin-
und herzuschalten unterscheidet es deutlich von herkömmlichen
elektronischen Schaltkreisen. Ein Verhalten, das von einem Verband
aktiver Neuronen herrührt, ist vom Input her linear, währenddessen
ein Vergleich verschiedener aktiver Neuronen-Sets einen
nichtlineraren Input bedeutet.
Bell Labs der Lucent TechnologiesNetworking
Ein wichtiges Feature des Netzwerk-Modells liegt in seiner dynamischen Signalverarbeitung.
Empfängt ein Neuron ein Input-Signal, so anwortet das Netzwerk mit der Aktivierung dieses Neurons und eines Clusters der ihn umgebenden Neuronen.
Abgestimmte Signalkommunikation
Bei einer systematischen Erhöhung des Hintergrund-Inputs für alle
Neuronen wird die Aktivität des Neuronen-Clusters, der das
aktivierte Neuron umgibt, um einen spezifische Faktor multipliziert.
Dieser Faktor stellt eine lineare Funktion des Hintergrund-Inputs
dar. Das Netzwerk ist außerdem in der Lage einen spezifischen
Stimulus aus einer Reihe miteinander konkurrierender Stimuli zu
selektieren. Das Netzwerk wählt das stärkste Signal bei
gleichzeitiger Unterdrückung der schwächeren Signale.
Department of Brain and Cognitive Sciences des MITUmgehung technischer Limits?
Die Arbeit der Neurobiologen zeigt erste Wege zur Umgehung
technologischer Limits bei der Dichte von Leiterbahnen, Signal
Delays und Signal-Rauschen mittels neuronaler Computertechnologie.
Department of Electrical Engineering and Computer Science des MIT