de.wedoany.com-Bericht: Das Team um Yang Yuchao hat gemeinsam mit dem Team um Song Zhitang vom Shanghai Institute of Microsystem and Information Technology der Chinesischen Akademie der Wissenschaften erfolgreich das weltweit erste neurodynamische System auf Basis von Phasenwechsel-Memristoren entwickelt. Dabei wurde die Ein-Schritt-Verzögerung dieser komplexen Berechnungen erstmals auf 2,12 Millisekunden reduziert. Bei Aufgaben wie der Rekonstruktion der Großhirnrinde ist das System im Vergleich zu aktuellen Grafikprozessoren (GPU) um das 50- bis 478-fache schneller. Die entsprechenden Ergebnisse wurden am 3. März in der Fachzeitschrift Science veröffentlicht.
Yang Yuchao, Forscher des New Cornerstone Investigator Programms und Professor an der School of Integrated Circuits der Universität Peking, erklärte, dass eine „neurodynamische System", die neuronale Netze mit Differentialgleichungen kombiniert, erforderlich sei, um Maschinen zu befähigen, die physische Welt in Echtzeit zu modellieren und zu verstehen. Ein solches System könne aus unvollständigen und verrauschten Daten eine glatte und präzise dreidimensionale Gehirnstruktur rekonstruieren und habe ein enormes Anwendungspotenzial. Die traditionelle Rechnerarchitektur leide jedoch unter dem Engpass der Trennung von Speicher und Berechnung, bei dem während des Lösungsprozesses eine große Anzahl von Zwischenvariablen wiederholt zwischen Speicher und Prozessor hin- und herbewegt werden müsse, was zu enormen Verzögerungen und hohem Stromverbrauch führe.
Das Forschungsteam fand eine Lösung in den physikalischen Eigenschaften von Memristoren. Sie nutzten das einzigartige Phänomen der „Leitfähigkeitsdrift" von Phasenwechselspeichern, bei dem die Leitfähigkeitsänderung innerhalb eines bestimmten Zeitfensters vorhersagbar und präzise steuerbar ist. Darauf aufbauend schlug das Team ein neues Paradigma der „kontrollierten In-Memory-Computing" vor, bei dem die zeitaufwändigste adaptive Schrittweiten-Suche bei der Lösung dynamischer Systeme direkt als physikalischer Leitfähigkeitsentwicklungsprozess des Bauelements kodiert und die Berechnung innerhalb der Speichereinheit durchgeführt wird. Gleichzeitig bildete das Team die Gewichte des neuronalen Netzes auf die mehrstufigen Leitfähigkeitszustände des Phasenwechselspeichers ab und führte die Matrix-Multiplikations-Addition synchron im selben Array durch. Die beiden zentralen Rechenaufgaben wurden in einem Speicher-Rechen-Array mit einer Gesamtfläche von nur 0,28 Quadratmillimetern integriert. Der in 40-Nanometer-Technologie gefertigte Chip arbeitet mit einer Taktfrequenz von 50 Megahertz, benötigt für einen einzelnen Integrationsschritt nur 9 Pipeline-Stufen und erreicht schließlich eine Iterationsverzögerung von 2,12 Millisekunden, womit die Neurodynamik-Hardware erstmals in den Millisekundenbereich vordringt.
Yang Yuchao gab an, dass der Chip bei gleicher Rechenleistung im Vergleich zu den derzeit fortschrittlichsten spezialisierten Beschleunigern 3,82- bis 36,27-mal schneller sei und den Stromverbrauch um das 11,75- bis 24,73-fache senke. Bei der hochgenauen Rekonstruktion der Großhirnrindenoberfläche sei er im Vergleich zur NVIDIA A100 GPU um das 50,38- bis 478,18-fache schneller. Das rekonstruierte Netz der Großhirnrinde sei glatt und topologisch konsistent, könne komplexe Faltungsstrukturen präzise abbilden und Artefakte sowie Selbstüberschneidungsfehler, die bei herkömmlichen Methoden auftreten, effektiv unterdrücken. Dieser Durchbruch eröffne neue Möglichkeiten für Gehirn-Computer-Schnittstellen und die Diagnose und Behandlung von Gehirnerkrankungen. In Zukunft könnten personalisierte, dynamische digitale Gehirn-Zwillinge sowie intraoperative Neuronavigation, Früherkennung von Alzheimer und personalisierte Interventionen eine Hardware-Basis für Echtzeitoperationen erhalten.
