Neuromorpher Prozessor

Ein neuromorpher Prozessor (englisch: ; NPU) – auch als neurosynaptischer Prozessor (englisch: ), kurz Neuralprozessor (aus dem englischen <ref name="Einzelbeleg zur ‚Neural Processing Unit‘" /> entlehnt) oder auch KI-Prozessor bezeichnet – ist ein Prozessor, dessen Architektur auf Neuromorphing basiert. NPUs werden entweder in Form von „KI-Beschleunigern“ implementiert oder sind eigenständige Chips.

NPU-Chips

Typische und bekannte Implementierungen sind:

• BrainScaleS (Human Brain Project)
• Neurogrid (Stanford University)
• Zeroth (Qualcomm)
• TrueNorth (IBM)

Anwendung

Neuromorphe Prozessoren sind Turing-vollständig und damit universell programmierbar. Sie eignen sich jedoch besonders für Aufgaben in der Mustererkennung und -analyse. Typische Algorithmen dienen dem Aufbau von Convolutional Neural Networks (CNNs), Liquid State Machines (LSMs), Restricted Boltzmann Machines (RBMs) oder Hidden Markov-Modellen (HMMs), sowie der Looming-Erkennung, der Schätzung von spektralen Leistungsdichten und dem Temporal Pattern Matching.<ref name="ccs" /><ref></ref>

Bewertung

Vorteile

Neuromorphe Prozessoren unterliegen – im Gegensatz zur Von-Neumann- und der Harvard-Architektur – nicht dem Von-Neumann-Flaschenhals. Sie sind besonders gut skalierbar. Da neuromorphe Prozessoren fehlertolerant sind, können neuromorphe Prozessoren mit einer höheren Fehlerquote gefertigt werden. Dies ermöglicht es z. B. größere Prozessoren bei geringerer Ausschuss-Quote zu fertigen.

Ein weiterer Vorteil ist der geringere Energieverbrauch, da die einzelnen Neuronen ereignisgesteuert arbeiten und daher nur gelegentlich Energie benötigen.<ref name="nsc" /> Des Weiteren eignen sie sich zum Ansteuern von neuromimetischen Chips, welche in Gehirn-Computer-Schnittstellen zum Einsatz kommen.

Nachteile

Neuromorphe Prozessoren haben gegenüber Von-Neumann-Prozessoren den Nachteil, dass die Darstellung von Zahlen und genaue mathematische Berechnungen nur mit hohem Aufwand möglich sind. Dies kann allerdings ausgeglichen werden, da neuromorphe Prozessoren mit herkömmlichen Prozessoren zusammenarbeiten können. Zudem müssen auf die Hardware optimierte Programmiersprachen, Compiler und Betriebssysteme erst entwickelt werden.

Siehe auch

• KI-Beschleuniger

Einzelbelege

<references> <ref name="Einzelbeleg zur ‚Neural Processing Unit‘"> KI-Prozessoren: Warum die neuen Chips die Zukunft sind. In: connect living. Five Monkeys Tech GmbH, 21. Februar 2018, abgerufen am 13. April 2026.  </ref> <ref name="nsc"> Brain Power. IBM Research, abgerufen am 8. August 2014 ().  </ref> <ref name="ccs"> Steve K. Esser, Alexander Andreopoulos, Rathinakumar Appuswamy, Pallab Datta, Davis Barch, Arnon Amir, John Arthur, Andrew Cassidy, Myron Flickner, Paul Merolla, Shyamal Chandra, Nicola Basilico, Stefano Carpin, Tom Zimmerman, Frank Zee, Rodrigo Alvarez-Icaza, Jeffrey A. Kusnitz, Theodore M. Wong, William P. Risk, Emmett McQuinn, Tapan K. Nayak, Raghavendra Singh, Dharmendra S. Modha: Cognitive Computing Systems: Algorithms and Applications for Networks of Neurosynaptic Cores. (PDF) IBM Research (Almaden), IBM Research (Indien), University of California, Merced, abgerufen am 8. August 2014 ().  </ref> </references> en:Neural processing unit