Neuronen aus Siliziumguss KI-Chip Senna pusht künstliche neuronale Netzwerke

Anbieter zum Thema

Fraunhofer-Institut für Integrierte Schaltungen IIS

Fsas Technologies GmbH

Board Deutschland GmbH

BigData-Insider

Das Fraunhofer-Institut für Integrierte Schaltungen (IIS) hat einen KI-Chip für die Verarbeitung von Spiking Neural Networks (SNN) entwickelt.

SNNs bestehen aus einem Netz künstlicher Neuronen, die durch Synapsen miteinander verbunden sind, wie die Forscher erklären. Das ist dem menschlichen Gehirn nachempfunden. Informationen werden in Form elektrischer Impulse weitergegeben und verarbeitet. Damit ermöglichen pulsende Netze den nächsten Entwicklungsschritt künstlicher Intelligenz (KI). Das bedeutet, dass sie noch schneller, energieeffizienter und noch näher an der Funktion des menschlichen Gehirns. Um diese Vorteile aber auch praktisch nutzbar zu machen, brauche es kleine, effiziente Hardware, die eine Struktur aus Neuronen und Synapsen nachbilde. Dafür hat das Fraunhofer-IIS im Rahmen des Fraunhofer-Projekts SEC-Learn nun aber den neuromorphen SNN-Beschleuniger Senna entwickelt. (Erinnert vielleicht nicht ganz ohne Grund an den legendären Formel-1-Champion Ayrton Senna.)

Über tausend Neuronen auf kleiner Chipfläche

Senna ist also ein neuromorpher Chip für die schnellere Verarbeitung niedrigdimensionaler Zeitreihendaten in KI-Anwendungen. In der aktuellen Version besteht er aus 1.024 künstlichen Neuronen, die auf einer Chipfläche von weniger als 11 Quadratmillimetern Platz finden, wie man betont. Durch die geringe Reaktionszeit (bis hinunter zu 20 Nanosekunden) sorge er vor allem in zeitkritischen Anwendungen an der Edge (also am Rand des Netzwerkes) für punktgenaues Timing. Entsprechend spiele er seine Stärken bei der Echtzeitauswertung ereignisbasierter Sensordaten und in geschlossen Regelungssystemen aus. Das ist zum Beispiel bei der Regelung kleiner Elektromotoren mit KI der Fall. In Kommunikationssystemen lässt sich mit Senna eine KI-optimierte Datenübertragung erreichen, wie es weiter heißt. Dabei könne der KI-Prozessor Signalströme analysieren und Sende- und Empfangsverfahren bei Bedarf anpassen, um die Effizienz und Performance der Übertragung zu verbessern.

Pulsende Neuronen bringen Energieeffizienz

SNNs arbeiten unter anderem so energieeffizient, weil die Neuronen nur spärlich und anlassbezogen aktiviert werden, wie die Forscher erklären. Senna nutze diesen Energiesparvorteil durch seine pulsenden Neuronen voll aus. Mit seiner vollständigen parallelen Verarbeitungsarchitektur bildeten die künstlichen Neuronen das zeitliche Verhalten von SNNs exakt ab. Über seine integrierten Spike-Schnittstellen kann das System aber auch direkt mit spike-basierten Ein- und Ausgangssignalen arbeiten. So füge er sich nahtlos in einen ereignisbasierten Datenstrom ein. Mit anderen Worten: Durch seine neuartige Architektur löst Senna den Kompromiss zwischen Energieeffizienz, Verarbeitungsgeschwindigkeit und Vielseitigkeit wie kein anderer Edge-KI-Prozessor. Das mache ihn ideal für Anwendungen bei denen die Ressourcen begrenzt seien, aber extrem schnelle Reaktionszeiten im Nanosekundenbereich benötigten.

Flexibel zu programmieren und skalierbar

Das aktuelle Senna-Referenzdesign ist für 22-Nanometer-Fertigungsprozesse ausgelegt. So kann der SNN-Prozessor als Chip in verschiedensten Anwendungen zum Einsatz kommen und ist günstig herstellbar. Das Design sei dabei skalierbar und ließe sich vor der Chip-Produktion noch an spezifische Anwendungen, Performance-Anforderungen und Besonderheiten der Zielhardware anpassen. Aber auch nach Fertigung des Chips bleibt Senna maximal flexibel, denn er ist vollständig programmierbar, wie es dazu heißt. Das verwendete SNN-Modell lässt sich auch immer wieder ändern und neu auf Senna übertragen. Um Entwicklern die Implementierung ihrer KI-Modelle so einfach wie möglich zu machen, stellt das Fraunhofer-IIS ergänzend ein umfassendes Software-Development-Kit dafür bereit, wie es abschließend heißt.

Dieser Artikel stammt von unserem Partnerportal ELEKTRONIKPRAXIS.

(ID:50353700)