NEUROTEC - Neuro-inspirierte Technologien der künstlichen Intelligenz für die Elektronik der Zukunft

 

Während von Neumann-Computer (klassische Computer) numerische Berechnungen extrem schnell und mit geringem Energieverbrauch ausführen, ist das menschliche Gehirn als biologisches neuronales Netz (BNN) bei kognitiven Aufgaben wie der Mustererkennung deutlich effizienter. Der Energieverbrauch des Gehirns - bei Echtzeit-Mustererkennung - beträgt dabei lediglich 1/10.000 verglichen zu dem Energieverbrauch eines klassischen Computers, bei gleicher Aufgabe. Diese signifikanten Leistungsunterschiede bei verschiedenen Aufgaben hängen mit grundlegenden Unterschieden in der Struktur des menschlichen Gehirns und einer klassischen von Neumann-Computerarchitektur zusammen.
Die Limitierung klassischer von Neumann-Computer hinsichtlich einer schnellen und energieeffizienten Verarbeitung großer Datenmengen, wie sie für die zukünftige Elektronik im Bereich der künstlichen Intelligenz (KI) erforderlich ist, liegt im Konzept der Hardware-implementierten Trennung von logischer Recheneinheit und peripheren Speicherblöcken, sowie dem dadurch bedingten ständigen Datentransfer über BUS-Systeme.

In diesem Projekt werden zwei „Beyond von Neumann“-Konzepte adressiert, an denen international intensiv geforscht wird. Dies sind zum einen „Rechnen-im-Speicher“-Konzepte (CIM: computation-in-memory), in denen Rechenoperationen direkt in Speichermatrizen durchgeführt werden und so ein signifikanter Anteil des in klassischen Systemen anfallenden Datentransfers vermieden wird. Zum anderen sollen Hardwarekomponenten für den Einsatz in künstlichen neuronalen Netzen (ANNs: artificial neural networks) erforscht werden. In ANNs wird das Biologische Vorbild der Neuronen und Synapsen in einer elektrischen Schaltung nachgeahmt. Dabei wird keine klassische Logik zur Berechnung verwendet, sondern die Verknüpfung der Neuronen untereinander. Durch diesen Aufbau wird eine massive Parallelisierung erreicht bei gleichzeitiger Vermeidung des energieintensiven und zeitaufwendigen Datentransfers.

Das geplante Vorhaben grenzt sich klar sowohl von rein Software-basierten KI-Konzepten als auch von CMOS-Hardware-basierten KI-Konzepten ab, da beide Ansätze langfristig durch einen zu hohen Energiebedarf und eine zu geringe Datentransferrate klassischer Computerarchitekturen limitiert sein werden.
Revolutionäre Ansätze für „Beyond von Neumann“ Computer erfordern ein vollständiges Umdenken gegenüber der Standard-CMOS-Halbleitertechnik und der darauf basierenden klassischen Rechnerarchitekturen. Diese Revolution umfasst

  1. den Einsatz neuer Materialien und Materialstapel in neuen Bauteilen,
  2. ihre Integration zu dichten Netzen mit hoher Konnektivität, die weiterhin über CMOS-Schaltungen angesteuert werden.
  3. Das Schaltverhalten muss physikalisch verstanden werden, um Bauteiloptimierungen durchführen und Kompaktmodelle für den Einsatz in Schaltungssimulatoren entwickeln zu können.

Eine Chipfertigung neuro-inspirierter Komponenten und Schaltungen erfordert Lösungen zu allen drei Kategorien und setzt außerdem voraus, dass

  1. Testsysteme und Testprotokolle zur elektrischen Charakterisierung der neuartigen Bauteile und Schaltungen existieren, was bislang nicht der Fall ist.
  2. Die Ausschöpfung des Potenzials neuro-inspirierter Technologien erfordert die Entwicklung neuartiger Konzepte für neuro-inspirierte Schaltungsentwürfe.

NEUROTEC wird gefördert durch das Bundesministerium für Bildung und Forschung (BMBF).

Koordinator:
Prof. Dr.-Ing. Rainer Waser, Forschungszentrum Jülich, Jülich, Deutschland

Projektpartner:

Elektronische Materialien (PGI-7), Forschungszentrum Jülich, Jülich, Deutschland

JARA-Institute Energy-efficient information technology (Green IT) (PGI-10), Forschungszentrum Jülich, Jülich, Deutschland

Lehrstuhl für Integrierte Digitale Systeme und Schaltungsentwurf (IDS), RWTH Aachen University, Aachen, Deutschland

Lehrstuhl für Halbleitertechnik und Institut für Halbleitertechnik, RWTH Aachen University, Aachen, Deutschland

Lehrstuhl für Software für Systeme auf Silizium, RWTH Aachen University, Aachen, Deutschland

Technologie der Verbindungshalbleiter, RWTH Aachen University, Aachen, Deutschland

Lehrstuhl für Werkstoffe der Elektrotechnik II und Institut für Werkstoffe der Elektrotechnik, RWTH Aachen University, Aachen, Deutschland

Assoziierte Partner:

aixACCT Systems GmbH, Aachen, Deutschland

AIXTRON SE, Herzogenrath, Deutschland

SURFACE systems+technology GmbH & Co. KG, Hückelhoven, Deutschland

Synopsys GmbH, Aachen, Deutschland

Logo Neurotec Logo BMBF