Methoden und Hardware für Neuroinspirierte Datenverarbeitung

Wir entwickeln neuroinspirierte Hardwareplattformen für Echtzeit-KI-Anwendungen, die an der Technischen Universität Dresden (TUD) als „SpiNNcloud“ zum Einsatz kommen. Darüber hinaus arbeiten wir an der Integration mit anderer Rechenhardware, wie beispielsweise anderen neuroinspirierten Hardwaresystemen oder FPGAs, und konzentrieren uns auf das unüberwachte Lernen von gepulsten neuronalen Netzen.

Forschungsschwerpunkte

• Entwicklung der zweiten Generation des neuromorphen „Spinnaker“-Systems
• Energieeffiziente Echtzeit-Simulation von Netzwerken im Maßstab des menschlichen Gehirns
• Groß angelegte Umsetzung neuroinspirierter KI-Algorithmen
• Signal- und Bildverarbeitung sowie maschinelles Lernen für Anwendungen in der Automobilindustrie und Robotik
• Entwicklung von Methoden für künstliche neuronale Netze
• Entwicklung von Methoden des maschinellen Lernens im Bereich der kognitiven Datenverarbeitung, einschließlich synaptischer Plastizität und Dynamik in Modellen für gepulster neuronale Netze (SNN)

Ziele

Unser langfristiges Ziel ist die Entwicklung neuroinspirierter Modelle und Lernalgorithmen für die effiziente Ausführung auf neuroinspirierter Hardware, unterstützt durch einen Simulations- und Modellintegrationsablauf. Diese Methoden werden für die neuromorphe SpiNNaker-Architektur, für FPGA-Plattformen sowie für hybride Architekturen entwickelt und bieten eine Entwicklungs- und Evaluierungsplattform für neuartige Rechnerarchitekturen.