KIP-Veröffentlichungen

Laufzeitdynamische Rekonfiguration für ein zeitkontinuierliches neuromorphes System:

Das öffentliche Interesse und die Nachfrage nach neuronalen Netzen wächst weltweit. Um den Bedarf an größeren Rechenressourcen zum Trainieren größerer und präziserer maschineller Lernmodelle zu decken, werden verschiedene Arten spezialisierter Hardware entwickelt. Ein Ansatz, der sich an der erfolggekrönten Natur orientiert, ist das neuromorphe Rechnen. Die neuromorphe BrainScaleS-2-Plattform wurde entwickelt, um ein flexibles und beschleunigtes Substrat für die Emulation von spikenden neuronalen Netzen zu bieten: Von neurowissenschaftlichen Experimenten zur Erforschung der lokalen Plastizität und Dynamik in Netzwerken mit strukturierten Neuronen bis hin zu Anwendungen des maschinellen Lernens, die sich auf ereignisgesteuerte Berechnungen konzentrieren. Um diese Experimente zu beschreiben, ist eine intuitive Art gewünscht, die mit der Vorstellung von einem kontinuierlichen Experimentfluss mit Konfigurationsänderungen zu diskreten Zeitpunkten einhergeht. In dieser Arbeit werden die notwendigen Software-Änderungen implementiert, um diese Art der Beschreibung eines Experiments für Benutzer der BrainScaleS-2 Plattform zu ermöglichen. Um diese Funktion der dynamischen Rekonfiguration eines Experiments während der Laufzeit zu implementieren, werden konzeptionelle Änderungen auf mehreren Ebenen des BrainScaleS-2 Software-Stacks getätigt. Diese beinhalten einen neuen Typ von Program Builder und eine neue Art, das Experiment aus seinen verschiedenen Einzelteilen zusammenzusetzen. Abschließend wurden die in dieser Arbeit vorgenommenen Änderungen mit einem Performancetest evaluiert und in Anwendungsbeispielen als nützlich erwiesen.

Runtime-dynamic reconfiguration for a time-continuous neuromorphic system:

Public interest and demand for neural networks is growing worldwide. To meet the need for greater computational resources to train larger and more precise machine learning models, different kinds of specialized hardware are being developed. One approach that takes its cue from nature’s proven success is neuromorphic computing. The BrainScaleS-2 neuromorphic platform is designed to provide a flexible and accelerated substrate for emulating spiking neural networks: from neuroscientific experiments, exploring local plasticity and dynamics in networks with structured neurons, to machine learning applications focusing on event-driven computation. To describe these experiments, an intuitive way of thinking about a continuous experiment flow with discrete time points of changes in the configuration is desired. In this work, the necessary software changes are implemented, to enable this way of describing an experiment for users of the BrainScaleS-2 platform. To realize this feature of dynamically reconfiguring an experiment during runtime, conceptual changes were required on several layers of the BrainScaleS-2 software stack. This includes a new kind of program builder and a new way of assembling the experiment from its different individual parts. Finally, the changes made in this work, are evaluated with a performance test and proven useful at use case examples.