Neuromorphic Computing

Neuromorphic Computing

Die dritte Generation künstlicher neuronaler Netzwerke

Neuromorphic Computing

Im Kompetenzfeld Neuromorphic Computing konzentrieren wir uns auf die Erforschung gepulster neuronaler Netze – die dritte Generation neuronaler Netzwerke. Die Daten zwischen den informationsverarbeitenden Einheiten werden in Form von Impulsen kodiert, ähnlich wie im menschlichen Gehirn. Pulskodierte künstliche neuronale Netze ermöglichen eine energie- und latenzeffiziente Informationsverarbeitung, insbesondere durch neuromorphe Hardware.

Im Mittelpunkt unserer Forschungsaktivitäten steht die Verbesserung der Lernfähigkeit und Intelligenz technischer Systeme, sei es in der Fertigungs-, Automobil- oder Robotikbranche. Dabei stützen wir uns auf Erkenntnisse aus dem Bereich der Neurobiologie und wenden Software-Methoden aus dem Bereich der Künstlichen Intelligenz (KI) und dem Teilbereich des Deep Learning an. Außerdem entwickeln wir Algorithmen und Software für extrem energiesparende neuromorphe Hardware und deren Anwendung im Maschinellen Lernen.

    Forschungsschwerpunkte

    1. Spiking Adaptive Fortbewegungssteuerung auf neuromorpher Hardware
      a) Im Rahmen des Human Brain Projekts und in Zusammenarbeit mit dem EPFL Biorobotics Lab haben wir einen neuartigen Spiking-Algorithmus zur Steuerung von bio-inspirierten Robotern mit neuromorpher Hardware implementiert. Um unser Ziel zu erreichen, verwenden wir die Neurorobotics Platform, ein Simulationswerkzeug, das wir mitentwickelt haben und das es uns ermöglicht, unsere Steuerungsalgorithmen in vielen verschiedenen experimentellen Szenarien zu verkörpern.
      b) Zusammen mit unserem Partner Intel erforschen wir eine spikende Roboterarmsteuerung mit niedriger Latenz, um ein schnelles Einsetzen von Objekten zu ermöglichen. Ein Hardware-Demonstrator ist in der Entwicklung.
       
    2. Spiking Optical Flow mit ereignisbasierten Kameras
      Optischer Fluss ist ein wichtiges Forschungsgebiet in der Bildverarbeitung, das verwendet wird, um Bewegungen innerhalb einer visuellen Szene zu schätzen. Ereignisbasierte Kameras sind die ideale neuromorphe Hardware, um visuelle Szenen zu erfassen und mit Spiking neuronalen Netzen zu verarbeiten, wodurch die inhärente Latenz von Frame Grabbern eliminiert wird. Unser Kompetenzbereich erforscht Methoden für effiziente Spiking Optical Flow Berechnungen und deren Einsatz in industriellen Anwendungen wie Mobilität und Automatisierung. Auch hier ist die Neurorobotik-Platform ein wesentliches Werkzeug für das Training in der Simulation.

    Weitere Informationen

    Projekte