Gast
#7254171
Hallo zusammen, das Thema Neuromorphic Computing (bzw. In-Memory Computing) ist aktuell ein ziemlich heißes Eisen in der Forschung. Grob gesagt geht es darum eine dem Gehirn nachempfundene Rechenarchitektur zu entwickeln. Diese wird in Analogtechnik realisiert, die Berechnung läuft nach den Kirchoffschen Gesetzen ab. Typischerweise wird eine Crossbar-Struktur verwendet mit programmierbaren Bauteilen (z.B. Memristoren). Vorteile sind u.a.: weniger Speicheroperationen im Vergleich zu von Neumann-Architektur, hohe Parallelisierbarkeit und damit schnellere Laufzeit, geringere Leistungsaufnahme, Ausfallsicherheit (falls ein Bauteil ausfällt, dann ist nicht die ganze Schaltung defekt). So zumindest die Theorie. Als Anwendungsgebiete gibt es neuronale Netze, aber nicht nur. Als jemand, der sich mit Schaltungstechnik nicht auskennt, stellen sich mir einige Fragen. Zunächst einmal ist mir nicht klar, wo genau der Unterschied zu Analogrechnern besteht. Auch damit ließe sich ja die Grundoperation von neuronalen Netzen (Matrix-Vektor Multiplikation, y=W*x+b) realisieren. Warum werden Analogrechner hier nicht verwendet? Gibt es einen Nachteil z.B. im Hinblick auf Halbleiterprozesse, Fläche, Verbrauch? Eine weitere Frage stellt sich wenn man versucht die Struktur von neuronalen Netzen auf die Rechenarchitektur abzubilden. In CNNs kommen ja meistens Faltungsoperationen zum Einsatz. Wie werden diese auf die Rechenarchitektur abgebildet? Mir ist das nicht klar. Vielleicht besteht der Denkfehler auch schon darin, neuronale Netze eins zu eins auf die Rechenarchitektur abbilden zu wollen ...