Parallelrechner für neuronales Supernetz

Ein Team des Fachbereichs Elektrotechnik an der Uni Dortmund hat einen Parallelrechner zur Simulation eines neuronalen Netzes entwickelt, das bisherigen Neurocomputing-Lösungen in seiner Leistung um den Faktor 100 überlegen sein soll.

Wie der Teamleiter Dipl.-Ing. Markus Rossmann erläutert, kommt eine parallele Informationsverarbeitung der Simulation biologischer neuronaler Strukturen wie beispielsweise Aspekten des menschlichen Gehirns stärker entgegen als serielle Datenverarbeitungskonzepte, wie sie bei den meisten Computersystemen die Regel bilden. Der im Rahmen des Promotionsprojekts "Endeavour" entwickelte Parallelrechner soll nun dem Neurocomputing neue Leistungsbereiche erschließen und damit auch einen Lösungsansatz für künftige Probleme der Mikroelektronik zeigen. Er simuliert über 30.000 Neuronen dynamisch in Realzeit, während gängige, mit RISC-Workstations realisierte Neurocomputing-Lösungen sich mit rund 300 begnügen.

Eine Besonderheit des "Endeavour"-Systems stellt die Tatsache dar, dass es auf konfigurierbaren Einheiten beruht. Übliche Parallelrechnersysteme arbeiten mit starren Standardprozessen, deren Koordination für die jeweilige Aufgabenstellung durch Programme geschieht. Demgegenüber verwendet "Endeavour" konfigurierbare mikroelektronische Schaltkreise, deren Arbeitsweise im System auf den jeweils gegebenen Einsatzzweck hin optimiert wird. Diese Bausteine sollen ihren Simulationsgegenstand nach Bedarf wechseln können und sich nacheinander für verschiedene Aufgaben umstrukturieren lassen: So wird beispielsweise von der gleichen Einheit erst eine Nervenzelle, dann eine Verbindung zwischen Nervenzellen simuliert. Der Optimierungsprozess für die jeweiligen Operationen findet bereits auf Schaltkreisebene statt.

Am Beispiel einer Fahranwendung auf einer Modellrennbahn zeigten die Dortmunder Forscher, wie ihr künstliches neuronales Netz veränderliche Steuerungsaufgaben bewältigt: Während es einen Wagen kontrolliert, lernt es ständig, wo das Fahrzeug am sinnvollsten abzubremsen und wieder zu beschleunigen ist. Bei Bedarf vergisst "Endeavour" gelernten Ballast aber auch wieder und passt sich damit unterschiedlichen Strecken an. Um die Leistung des Systems im Vergleich zu menschlicher Steuerung zu messen, setzte Rossmanns Team einen Kamerawagen auf die gleiche Strecke und ließ diesen durch Testpersonen per Fernbedienung lenken. Das Ergebnis, so die Dortmunder, sei frappierend: Das im Rechner simulierte neuronale Netz habe die Herausforderungen des Fahrens in jedem Fall besser verarbeitet und eher angemessen darauf reagiert als der Mensch am Bildschirm. (psz)