Wie neuromorphes Computing Muster in schnellen Sensordaten erkennt

Am Helmholtz-Zentrum in Dresden wird eine künstliche Intelligenz entwickelt, die mit Magnetwellen auf Mikrochips rechnet, zum Beispiel für Industrieprojekte.

Artikel verschenken
In Pocket speichern vorlesen Druckansicht
,
Lesezeit: 11 Min.
Inhaltsverzeichnis

Klassische Rechnerkonfigurationen in der Von-Neumann-Architektur nutzen eine Recheneinheit und davon getrennte Datenspeicher. Insbesondere darauf simulierte neuronale Netze erzeugen viel zeitfressenden Datenverkehr zwischen Prozessor und Speicher. Dieser Zeitbedarf erschwert es, schnelle Sensordaten umfassend in Echtzeit zu verarbeiten und Muster im zeitlichen Ablauf zu erkennen.

Das wirkt sich zum Beispiel aus, wenn es darum geht, andere Verkehrsteilnehmer und Hindernisse in den Daten von Radar- und Lidarsensoren eines autonomen Fahrzeugs zu entdecken. Gerade bei einer solchen Aufgabe kommt es darauf an, Veränderungen in den aufeinanderfolgenden Signalen zu erkennen und in Echtzeit einzuordnen.

Mehr zu Künstlicher Intelligenz

Ein Team um Katrin und Helmut Schultheiß am Helmholtz-Zentrum Dresden-Rossendorf (HZDR) entwickelt einen neuen Hardware-Ansatz für künstliche Intelligenz, bei dem Wechselstromsignale im Gigahertzbereich Mikrowellen auf Computerchips abstrahlen. Diese erzeugen magnetische Wellen und beeinflussen diese mit jeder Frequenzänderung. Dabei entstehen aus nacheinander eintreffenden unterschiedlichen Eingangssignalen magnetische Muster auf dem Chip. Anhand dieser Muster kann man die Eingangssignale in Echtzeit klassifizieren. In einem vom HZDR koordinierten Projekt wollen Forscher gemeinsam mit den Chipherstellern GlobalFoundries und Infineon nach diesem Ansatz eine neuartige neuromorphe Chiptechnik entwickeln.