Entstehung von komplexem Verhalten in Memristor CNN

• Antragsteller: Professor Dr. Ronald Tetzlaff
• Fachliche Zuordnung: Elektronische Halbleiter, Bauelemente und Schaltungen, Integrierte Systeme, Sensorik, Theoretische Elektrotechnik
• Förderung: Förderung von 2017 bis 2023
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 379950170

Projektziel ist die Analyse der Leistungsfähigkeit memristiver Zellularer Nichtlinearer Netzwerke (MCNN). Fokus der Arbeit ist eine Erweiterung des Einsatzbereiches moderner Sensor-Prozessor-Anordnungen, welche trotz deren hoher paralleler Rechenleistung mit Bildverarbeitungsraten von bis zu 20kHz erheblich durch die niedrige Auflösung begrenzt sind. Memristoren sind neuartige nano-elektronische Bauelemente mit vielfältigem nichtlinearem dynamischem Verhalten und stellen die effizientesten Emulatoren neuronaler synaptischer Dynamik dar. Es gibt eine Reihe unterschiedlicher Klassen von Memristoren, jede mit spezifischen Eigenschaften. Eine dieser Klassen umfasst Ele-mente sowohl zur Verwendung als Rechenelement als auch zur Datenspeicherung. Eine andere Klasse, die für dieses Projekt sehr wichtig ist, besteht aus Elementen, die lokal aktives Verhalten aufweisen und in elektronische Schaltungen integriert zum Auftreten komplexer dynamischer Phä-nomene führen. Einige Memristoren, die mit Materialien wie Nioboxid produziert werden, können bei-den Klassen zugeordnet werden. Auf Basis dieser Memristoren können Speicher- und Prozessorein-heit auf Basis des Theorems der lokalen Aktivität in einer Schaltung kombiniert werden. Die bislang bestehende Limitierung der Auflösung von auf CNN basierenden zweidimensionalen Sensor-Prozessor-Anordnungen kann durch den Einsatz von Memristoren im Schaltungsentwurf umgangen werden. In Hinblick auf die viel versprechenden Perspektiven der Memristor-basierten CNN, ist das Forschungsprojektziel, die schaltungstheoretischen Eigenschaften und das nichtlineare dynamische Verhalten dieser Elemente mittels einer fundierten mathematischen Modellierung abzubilden. Daraus werden neue Strukturen zur parallelen Datenverarbeitung sowie der schaltungstechnischen Realisie-rung einer neuen Generation moderner Sensor-Prozessor-Elemente abgeleitet. Die hohe Rechen-leistung der Sensor-Prozessor-Anordnungen wird durch die Berechnung komplexer Probleme durch komplexe inhomogene zeitlich-dynamische Wechselwirkungen der einzelnen Sensor-Prozessor-Elemente erreicht. Da dieses Ziel ausschließlich in lokal aktiven Systemen zu verwirklichen ist, muss das Hauptziel dieser Arbeit sein, die Theoreme der lokalen Aktivität so zu erweitern, dass die Dynamik in MCNN durch geeignete lokale Aktivitätskriterien charakterisiert werden kann. Die bisher durchgeführte Analyse für Reaktions-Diffusionsnetzwerke wird verallgemeinert, um sie für eine gro-ße Klasse von Memristor-Modellen anwendbar zu machen. Zur Ableitung der für die lokale Aktivität einer CNN-Zelle notwendigen und hinreichenden Parameter wird ein neuer, in sich abgeschlossener, mathematischer Formalismus entwickelt. Damit ist das skizzierte Forschungsvorhaben von essenti-eller Bedeutung für die Realisierung von neuen biologisch inspirierten hochparallelen Rechnerstruk-turen, die ein ähnl. Verhältnis von Energieverbrauch, Rechenleistung und Größe wie ein menschl. Gehirn aufweisen können.

• DFG-Verfahren: Sachbeihilfen
• Internationaler Bezug: Bulgarien
• Kooperationspartnerin: Professorin Dr. Angela Slavova