Freitag, 29. März 2024

Archiv

Universität Heidelberg
Neuer Supercomputer ist online

Wissenschaftler können ab heute online neue Supercomputer beschäftigen. Das Besondere: Es handelt sich dabei um neuromorphe Computer, die - ähnlich wie das Gehirn - auf eine Art elektronische Neuronen und Synapsen setzen.

IT-Journalist Manfred Kloiber im Gespräch mit Jennifer Rieger | 22.03.2016
    Lange Reihen von Lichtern laufen in der Mitte des Bildes zusammen. Es zeigt ein automatisches Lager für Magnet-Datenbänder in einem Nebenraum des Supercomputers "Blizzard" im Deutschen Klimarechenzentrum in Hamburg
    Supercomputer können die Arbeit von Wissenschaftlern erleichtern. (dpa picture alliance / Christian Charisius)
    Jennifer Rieger: An der Universität Heidelberg geht heute mit einem internationalen Workshop ein Supercomputer online, der so in seiner Art ein sehr, sehr seltenes Exemplar ist – wäre da nicht noch sein komplementäres Gegenstück an der Universität Manchester. Das System in Heidelberg heißt BrainScaleS und das in Manchester SpinNaker und beide Computer gehören zur Gattung der neuromorphen Computer. Manfred Kloiber, was unterscheidet denn einen neuromorphen Computer von einem herkömmlichen Rechner?
    Manfred Kloiber: Ein neuromorpher Computer wartet mit ganz anderen architektonischen Strukturen auf als ein klassischer Computer. Bei herkömmlichen Rechnern gibt es immer eine Trennung zwischen dem Speicher, also zum Beispiel RAM oder Festplatte einerseits und dem Rechenwerk, also dem Prozessor andererseits. Neuromorphe Computer hingegen bilden schon in ihrer Hardwareanordnung die Struktur eines biologischen Gehirns nach, nämlich Synapsen und Neuronen. Neuronen, das sind auch im neuromorphen Computer Signalleitungen, während die Synapsen Verknüpfungspunkte für die Neuronen sind. Diese Struktur ist Rechenwerk und Speicher in einem.
    Rieger: In Heidelberg und Manchester gehen ja zwei komplementäre Systeme an den Start. Wie unterscheiden sie sich?
    Kloiber: Das BrainScales-System in Heidelberg ist in sogenannter MixedSignal-Technologie hergestellt. Es besteht aus insgesamt 20 Wafern, also großen Siliziumscheiben, auf denen jeweils 384 sogenannte HICANN-Chips versammelt sind, die sowohl analoge also auch digitale Funktionen haben – deshalb MixedSignal. Jeder dieser Chips enthält 512 Neuronen und knapp 115.000 programmierbare Synapsen. Das macht für den gesamten Computer dann knapp vier Millionen Neuronen und eine Milliarde Synapsen aus. Zum Vergleich: Das menschliche Gehirn hat schätzungsweise 100 Milliarden Neuronen und etwa 100 Billionen Synapsen. Das Gehirn ist also allein bei den Neuronen 25.000 mal größer. Und doch ist BrainScaleS ein riesengroßes System.
    Das britische System SpinNaker hingegen ist ein massiv-paralleler Computer mit 500.000 ARM-Prozessoren, die über ein sehr effizientes Kommunikationsnetzwerk als Neuronen oder Synapsen strukturiert werden können. ARM – die sind auch in den allermeisten Handys als zentraler Prozessor anzutreffen.
    Beide Computer sind also hoch spezialisierte Systeme, die einzigartig sind, auch wenn es zum Beispiel mit der TrueNorth-Technologie von IBM vergleichbare Rechner gibt.
    Rieger: Und was macht die beiden Computer komplementär?
    Kloiber: Die beiden Systeme bilden zusammen die "Neuromorphic Computing Platform" innerhalb des Europäischen Human Brain Projects. Für die Wissenschaftler, die darauf rechnen wollen, heißt das vor allem, dass sie mit einheitlichen Methoden angesprochen können, womit dann auch Versuche in einem Schritt auf beiden Systemen laufen können, um zum Beispiel herauszufinden, mit welcher Systemarchitektur man für welche Probleme die besten Lösungen erzielt.
    Rieger: Ab heute können ja interessierte Forscher, zum Beispiel Neurowissenschaftler, online auf diese Rechner zugreifen und dort rechnen lassen. Welche Art von Berechnungen können das sein?
    Kloiber: Da geht es vor allem um Anwendungen des maschinellen Lernens. Um mal ein praktisches Beispiel zu geben aus der Fertigungssteuerung: Stellen Sie sich ein Elektromotorenwerk vor. Da gehört zur Endkontrolle oft auch eine akustische Prüfung. Schon am Laufgeräusch können Experten fehlerhafte Motoren ganz schnell erkennen. Das mit herkömmlichen algorithmischen Verfahren nachzubilden, ist äußerst schwierig, schon weil die Experten den akustischen Unterschied zwischen einem guten und einem schlechten Motor gar nicht formulieren können. Ein neuromorpher Computer hingegen könnte solch eine Aufgabe anhand akustischer Muster lernen. Eine andere Anwendung ist beispielsweise das Deep Learning: Da geht es darum, in riesig großen Datenmengen Muster zu identifizieren. Aber auch Biologen und Mediziner können diese Computer nutzen, um biologische Strukturen modellieren und verstehen zu können. Das kann zum Beispiel interessant sein, wenn es um Prothesen geht, die mit einer Gehirn-Maschine-Schnittstelle gesteuert werden sollen.
    Rieger: Solche neuronalen Strukturen hat man ja bislang auf Supercomputer gerechnet und das Verhalten von Neuronen und Synapsen numerisch simuliert. Was ist der Vorteil, das mit spezieller Hardware zu machen?
    Kloiber: Vor allem Geschwindigkeit und Energieeffizienz. Denn die klassische Simulation großer neuronaler Netze, die ist selbst mit Supercomputern extrem langsam und energieaufwendig. Da liegen etwa bei der Geschwindigkeiten Zehnerpotenzen dazwischen. Mit dem neuromorphen Computer in Heidelberg wird das jetzt umgedreht. Der ist 1000 mal schneller als ein Gehirn. Und das führt auch dazu, dass zum Beispiel notwendige Lernphasen, die sonst vielleicht Tage dauern, unter Umständen auf Sekunden verkürzt werden können.