Die Schnelligkeit, Energieeffizienz und die Bauweise von Senna sollen es ermöglichen, SNNs unmittelbar dort zu nutzen, wo die Daten entstehen: in Geräten an der Edge.

SNNs bestehen aus einem Netz künstlicher Neuronen, die durch Synapsen miteinander verbunden sind. Informationen werden in Form elektrischer Impulse weitergegeben und verarbeitet. Damit ermöglichen pulsende Netze den nächsten Entwicklungsschritt Künstlicher Intelligenz: noch schneller, noch energieeffizienter, noch näher an der Verarbeitungsweise des menschlichen Gehirns.

Um diese Vorteile in die Anwendung zu bringen, braucht es kleine, effiziente Hardware, die eine Struktur aus Neuronen und Synapsen nachbildet. Dafür hat das Fraunhofer IIS im Rahmen des Fraunhofer-Projekts SEC-Learn den neuromorphen SNN-Beschleuniger Senna entwickelt.

Kleiner und schneller KI-Prozessor

Senna ist ein neuromorpher Chip für die schnelle Verarbeitung niedrigdimensionaler Zeitreihendaten in KI-Anwendungen. In der aktuellen Version besteht er aus 1024 künstlichen Neuronen auf weniger als 11 mm² Chipfläche.

Durch seine geringe Reaktionszeit bis hinunter zu 20 Nanosekunden sorgt er vor allem in zeitkritischen Anwendungen an der Edge für punktgenaues Timing.

Entsprechend spielt er seine Stärken bei der Echtzeitauswertung ereignisbasierter Sensordaten und in geschlossen Regelungssystemen aus, zum Beispiel bei der Regelung kleiner Elektromotoren mit KI. In Kommunikationssystemen lässt sich mit Senna eine KI-optimierte Datenübertragung realisieren.

Dort kann der KI-Prozessor Signalströme analysieren und Sende- und Empfangsverfahren bei Bedarf anpassen, um die Effizienz und Performance der Übertragung zu verbessern.

Senna: Kompromiss zwischen Energieeffizienz und Verarbeitungsgeschwindigkeit

SNNs arbeiten unter anderem so energieeffizient, weil die Neuronen nur spärlich und anlassbezogen aktiviert werden. Senna nutzt diesen Energiesparvorteil durch seine pulsenden Neuronen voll aus. Mit seiner vollständigen parallelen Verarbeitungsarchitektur bilden die künstlichen Neuronen das zeitliche Verhalten von SNNs exakt ab.

Über seine integrierten Spike-Schnittstellen kann Senna zudem direkt mit spike-basierten Ein- und Ausgangssignalen arbeiten. Auf diese Weise fügt er sich nahtlos in einen ereignisbasierten Datenstrom ein.

„Durch seine neuartige Architektur löst Senna den Kompromiss zwischen Energieeffizienz, Verarbeitungsgeschwindigkeit und Vielseitigkeit wie kein anderer Edge-AI-Prozessor. Dies macht ihn perfekt geeignet für ressourcenlimitierte Anwendungen, die extrem schnelle Reaktionszeiten im Nanosekundenbereich benötigen”, erklärt Michael Rothe, Gruppenleiter Embedded AI am Fraunhofer IIS.