KIP-Veröffentlichungen

BrainScaleS-2 (BSS-2) ist ein mixed-signal neuromorpher Chip, der die Emulation von neuronalen Netzen ermöglicht. Neuronale Netze werden aus elektrischen Neuron-Schaltkreisen, die teilweise die Funktion biologischer Neuronen replizieren, und synaptischen Verbindungen konstruiert. Die Schaltkreise auf dem BSS-2-Chip sind in einem 2D Raster angeordnet. Um Multicompartment-Neuronen darauf verwenden zu können, muss eine Übersetzung des abstrakten Modell-Neurons in eine Konfiguration der Schalter auf der Hardware gefunden werden. Schalter einzeln zu setzen, ist für komplexe Neuronen zeitaufwändig und führt dazu, dass wenn keine triviale Lösung erkennbar ist, das Neuron nicht auf der Hardware verwendet werden kann. Um das Problem der Konfiguration der Schalter auf dem Chip zu lösen, werden drei Algorithmen entwickelt und implementiert: eine Exhaustionsmethode, ein evolutionärer Algorithmus sowie ein konstruktiver Algorithmus, der Regeln folgend eine Lösung konstruiert. Die Algorithmen werden mit Hilfe zufällig generierter Neuronen getestet, um logische Beschränkungen und Optimierungsmöglichkeiten zu bestimmen. Die Exhaustionsmethode gelangt für größere Neuronen an seine Grenzen, was auf die schlechte Skalierung des Algorithmus zurückzuführen ist. Sowohl der evolutionäre als auch der regelbasierte Algorithmus sind erfolgreich bei der Plazierung unterschiedlicher Neuronen. Dabei zeichnet sich der regelbasierte Algorithmus besonders durch seine schnelle Ausführung aus, während der evolutionäre eine höhere Flexibilität gegenüber Neuronentopologien aufweist. Diese Algorithmen eröffnen neue Möglichkeiten für die Verwendung von BSS-2.

BrainScaleS-2 (BSS-2) is a mixed-signal neuromorphic system that allows the emulation of spiking neural networks. These neural networks can be constructed out of neuron circuits, that partially replicate the behaviour of biological neurons, and their synaptic connections. The neuron circuits on BSS-2 are arranged in a 2D grid and can be connected to form spatially extended neurons. To use  these multicompartment neurons on the BSS-2 chip a mapping between an abstract neuron model and a switch configuration on the chip needs to be found. For small neurons the switch configuration can be performed manually, but for rather complex morphologies the manual approach is tedious and might even be unfeasible, since the mapping is non-trivial and time-consuming regarding the number of switches that need to be set.To solve the issue of configuring the hardware switches to form a neuron consisting of multiple compartments, three algorithms are developed and implemented: a brute force algorithm, an evolutionary algorithm and a constructive algorithm following a set of rules. These are tested with randomly generated neurons to determine logical limitations and optimization possibilities. While the brute force approach fails for the placement of larger neurons because of its scaling and therefore did not prove useful, the evolutionary and rule based approach both manage to place a significant amount of neurons. The rule based algorithm is superior in execution speed whereas the evolutionary algorithm is more flexible in terms of neuron topology. The success of theses two algorithms opens up new possibilities for the use of BSS-2.