Brein-geïnspireerde computing maakt berekeningen energiezuiniger en sneller
De grenzen van conventionele computersystemen worden steeds duidelijker. Huidige computersystemen verbruiken enorme hoeveelheden energie, zo’n zeven procent van de wereldwijde energieproductie. Bovendien is de verwachting dat dit de komende decennia exponentieel zal toenemen.
Binnen de computationele wetenschap groeit de vraag naar nieuwe hardware: hardware die moet leiden tot een snellere, zuinigere en schaalbare technologie voor berekeningen. In het project ‘Neuromorphic computational and data science: towards disruptively green computing’ onderzoeken IBM, SURF en verschillende onderzoeksgroepen binnen de Radboud Universiteit in hoeverre neuromorfe hardware in deze behoefte kan voorzien.
De onderzoekers presenteerden de eerste resultaten van dit onderzoek tijdens een workshop voor vakgenoten in juli 2022 en hebben ze beschikbaar gemaakt als preprint ‘Benchmarking energy consumption and latency for neuromorphic computing in condensed matter and particle physics'.
Bekijk de presentatie van de workshop Neuromorphic Scientific Computing hier terug.
Bekijk de preprint 'Benchmarking energy consumption and latency for neuromorphic computing in condensed matter and particle physics' op arXiv.org.
Use cases
Het team onderzocht twee use cases van de Radboud Universiteit waarin neurale netwerken worden ingezet: een toepassing uit de deeltjesfysica over anomalie-detectie en een toepassing binnen onderzoek naar magnetisme.
Johan Mentink, onderzoeker van de Radboud Universiteit legt uit: ‘Vanuit de theorie was de verwachting dat neurale netwerken veel efficiënter op neuromorfe hardware kunnen draaien. Dit was echter nog nooit gemeten.’
Sagar Dolas, Innovation Program Manager bij SURF vult aan: 'De wetenschap wordt steeds afhankelijker van digitalisering en computers voor wetenschappelijke analyses en experimenten. De vraag naar meer computerkracht groeit exponentieel. Dit heeft een enorme impact op onze mondiale voetafdruk. Daarom moeten we onderzoek doen naar energie-efficiënte methoden, hardware en algoritmen. Het platform van SURF zorgt voor de randvoorwaarden en de expertise om samenwerkingen in dit onderzoek mogelijk te maken'.
'Dit is een heel mooie start van een project waarin Dominique Kösters (Universiteit Twente) eerst bij SURF de natuurkundige berekeningen op standaard digitale hardware geïmplementeerd heeft. Vervolgens hebben we bij IBM Research in Zürich gesimuleerd hoeveel energie dezelfde berekening op neuromorfe IBM hardware kost. Het bleek niet alleen veel zuiniger te zijn, maar ook veel sneller!’ aldus Heike Riel, onderzoeker bij IBM.
Toekomst
‘Dit onderzoek is gesimuleerd op de hardware van IBM. Het energieverbruik van alle losse componenten van de chip is opgeteld en laat de potentie van deze chip zien. In het vervolgonderzoek willen we demonstreren dat de chip in zijn geheel ook echt zo werkt. Een belangrijk aspect hierin is de invloed van de nauwkeurigheid. Neuromorfe hardware gebruikt een lagere precisie. We willen de invloed van de nauwkeurigheid op de metingen van energieverbruik nog beter begrijpen. Daarnaast willen we dit ook testen op grote netwerken, we denken dat daar het verschil met conventionele computersystemen nog groter is’, vertelt Johan Mentink.
‘Op de lange termijn willen we onderzoeken voor wat voor berekeningen deze chip echt voordelig is: Welke berekeningen met neurale netwerken geven het meeste voordeel op neuromorfe hardware?’
Wil je hier meer over weten of heb je vragen? Neem dan contact op met Johan Mentink, Radboud Universiteit of Sagar Dolas, SURF.