NeuroSys: Impulse durch Anwendungen (Projekt D)
Date
Volume
Issue
Journal
Series Titel
Book Title
Publisher
Link to publishers version
Abstract
Im Zukunftscluster NeuroSys werden neuromorphe Prinzipien bei der Entwicklung neuartiger Algorithmen und neuartiger Bauelementeigenschaften angewandt. Die Verbindung dieser beiden Ansätze über die Entwurfsebene hat das Potential, die Erfolgsgeschichte der Halbleiterindustrie auf einem anderen Level fortzuschreiben. Hierzu sind zwei wesentliche Komponenten erforderlich. Einerseits das tiefgreifende Verständnis über die deutlich effizientere Funktionsweise des Gehirns und deren Übersetzung in technische reproduzierbare Rechenvorschriften. Andererseits die methodische Überwindung der Spaltung in Algorithmenentwicklung auf einer Softwarearchitektur und Bauelemententwicklung für eine Hardware-Architektur. Das Ziel von "NeuroSys: Projekt D" ist die Erforschung der Eigenschaften, Vorteile und Einschränkungen neuronaler Hardware (Technology Push) sowie deren optimaler Nutzung aus der Anwenderperspektive (Application Pull). Hierzu sollen die spezifischen Anforderungen unterschiedlicher Anwendungen anhand von vier repräsentativen Beispielen mit unterschiedlichen Anforderungsprofilen herausgearbeitet werden: D.1 Kamerabasierte Diagnostiksysteme für medizinische Anwendungen; D.2 Automatische Spracherkennungs- und Übersetzungssysteme; D.3 Semantische Videoanalysesysteme; D.4 Individualisierte Medizinische Controller. Allen vier Anwendungsbeispielen ist gemein, dass sie sich für den Einsatz in mobilen und handgeführten Geräten eignen, die besonders auf energieeffiziente Hardware angewiesen sind. Hierdurch kommen die Vorteile der in den anderen NeuroSys Teilprojekten entwickelten neuromorphen Hardwarekomponenten besonders zum Tragen, die leistungsstarke Rechenressourcen bei relativ geringem Energieverbrauch ermöglichen werden. Weiterhin dienen die hohen Anforderungen heutiger automatischer Spracherkennungs-, maschineller Übersetzungssysteme, und Bild- bzw. Videoverarbeitungsverfahren auf Basis maschinellen Lernens als prototypischer Benchmark für die zu entwickelnde neuromorphe Hardware.
