Die beiden Physiker John Paul Strachan und Emre Neftci beschäftigen sich mit Rechnersystemen, die der Funktionsweise des Gehirns nachempfunden sind. Seit Juli 2021 leiten die beiden jeweils ein neu gegründetes Institut am Forschungszentrum Jülich. Die beiden internationalen Top-Wissenschaftler werden die umfassende Forschung am Standort weiter stärken und dazu beitragen, neuromorphe Systeme praxisreif zu machen.

Umfangreiche Erfahrung mit dem Neuromorphen Computing haben die beiden Physiker in den Hightech-Regionen Kaliforniens gesammelt: Der in Costa Rica geborenen US-Amerikaner Strachan arbeitete zuvor im Silicon Valley bei Hewlett-Packard-Laboratories. Das Unternehmen ist einer der Pioniere auf dem Gebiet des neuromorphen Rechnens, und Strachan leitete dort ein Team, das an neuromorpher Hardware forscht. Er hält mehr als 50 Patente und promovierte an den beiden amerikanischen Eliteuniversitäten MIT und Stanford.

Der Fokus des Schweizamerikaners Emre Neftcis liegt dagegen auf der für neuromorphe Chips nötigen Software. Zuletzt arbeitete er als Assistenzprofessor an der University of California in Irvine. Vor seiner Zeit in Kalifornien hatte Neftci an der ETH Zürich im Bereich Neuroinformatik promoviert und geforscht. An Europa schätzt er den visionären und dennoch fundierten Ansatz, der dort im Bereich des neuromorphen Computings verfolgt wird

Konzept für effiziente KI

Herkömmliche Rechner – selbst Supercomputer – kommen schnell an ihre Grenzen, wenn es darum geht, komplexe Lernprozesse im Gehirn zu simulieren. In der Natur dauern diese Vorgänge oft Tage oder Wochen, manchmal sogar Jahre. Simulationen auf Supercomputern laufen noch langsamer ab, und bilden bislang nur kleine Teile des Netzwerks im Gehirn ab. Neuromorphe Systeme bieten hier viel Potenzial, um die Berechnungen auszuweiten und erheblich zu beschleunigen.

Insbesondere die Technik der Künstlichen Intelligenz, kurz: KI, könnte von neuromorphen Ansätzen profitieren, betonen sowohl Strachan als auch Neftci. Bisherige KI-Konzepte ahmen die selbstlernenden Mechanismen neuronaler Netze lediglich mittels großskaliger Soft- und Hardware nach. Neuromorphe Systeme dagegen sind ähnlich konstruiert wie die biologischen Netzwerke, die sie emulieren. So lässt sich der Signalaustausch sehr viel direkter und effizienter nachstellen, als es mit konventionellen Prozessoren möglich ist.

Um das selbstlernende Hardwarekonzept zu verbessern, gilt es laut dem Softwareexperten Neftci insbesondere die Lücke zwischen dem maschinellen Lernen und physikalischen Systemen zu schließen. Mit seinen Mitarbeitern möchte er hierfür die passende Software und Algorithmen entwickeln.

Foto

Prof. John Paul Strachan (l.) und Prof. Emre Neftci (r.) forschen an Computern nach dem Vorbild des menschlichen Gehirns. Copyright: Forschungszentrum Jülich / Ralf-Uwe Limbach