Ein Forschungsteam unter der Leitung von Professor Yang Yuchao von der Universität Peking hat gemeinsam mit Forschern des Shanghai-Instituts für Mikrosysteme und Informationstechnologie der Chinesischen Akademie der Wissenschaften den weltweit ersten Chip entwickelt, der mit der Verarbeitungsgeschwindigkeit des menschlichen Gehirns mithalten kann.
Neuronale dynamische Systeme kombinieren neuronale Netze mit mathematischen Gleichungen, die beschreiben, wie sich komplexe Systeme im Laufe der Zeit verändern. Sie finden Anwendung in der physikalischen Modellierung, der medizinischen Bildgebung und der dreidimensionalen Rekonstruktion des Gehirns. Allerdings erfordern diese Systeme wiederholte Berechnungen, Fehlerprüfungen und Anpassungen der Größe der einzelnen Berechnungsschritte. Bei herkömmlichen Computern müssen zudem Daten häufig zwischen Speicher und Prozessor hin- und herbewegt werden, was die Verarbeitungszeit und den Energieverbrauch erhöht.
Datenverarbeitung direkt im Speicher
Eine schnelle und genaue Modellierung des Gehirns ist wichtig für Technologien, die in Echtzeit reagieren müssen, darunter Gehirn-Computer-Schnittstellen, chirurgische Navigation und medizinische Bildgebung. Bestehende Hardware benötigt für diese anspruchsvollen Berechnungen oft zu viel Zeit und Strom. Indem der neue Chip wichtige Operationen direkt im Speicher ausführt, reduziert er den Datentransfer und bringt eine hochwertige Modellierung des Gehirns näher an den Echtzeit-Einsatz heran.
Ein Mini-Chip mit enormem Rechentempo
Der im 40-nm-Prozess gefertigte Chip nimmt mit seinen In-Memory-Computing- und Conductance-Drift-Arrays nur 0,28 mm2 ein. Er arbeitet mit einer Taktfrequenz von 50 MHz und nutzt neun Pipeline-Stufen für jeden Integrationsschritt. Bei Berechnungen zur neuronalen Dynamik ist das System 3,82- bis 36,27-mal schneller und verbraucht 11,75- bis 24,73-mal weniger Strom als modernste ASICs (anwendungsspezifische integrierte Schaltkreise). Bei Aufgaben zur Rekonstruktion der kortikalen Oberfläche erreicht es im Vergleich zu einer NVIDIA A100-GPU eine bis zu 478,18-fache Beschleunigung.
Die Forscher nutzten den Chip, um die Oberflächen der weißen und grauen Substanz des Gehirns zu rekonstruieren und in Echtzeit 3D-Oberflächennetze auf der Basis von Mannigfaltigkeiten zu generieren. Das System erzeugte glatte, geschlossene und topologisch konsistente kortikale Oberflächen und erfasste dabei komplexe Gehirnfalten präzise. Es schnitt auch bei Messungen des durchschnittlichen symmetrischen Oberflächenabstands und des Hausdorff-Abstands gut ab und demonstrierte damit seine Fähigkeit, hochpräzise Gehirnmodellierung zu unterstützen.
Vom Offline-Modell zur Millisekunden-Verarbeitung
Der Chip könnte dazu beitragen, komplexe neuronale Modellierung von langsamer Offline-Verarbeitung hin zu einem Betrieb im Millisekundenbereich zu verlagern. In Zukunft könnte die Technologie Gehirn-Computer-Schnittstellen, digitale Gehirn-Zwillinge, chirurgische Echtzeit-Navigation, die Rekonstruktion der Gehirnoberfläche sowie Instrumente zur Erforschung neurodegenerativer Erkrankungen wie Alzheimer und Parkinson unterstützen.
