1. Foundations of Neuromorphic Computing

Dieses Kapitel bietet eine eingehende Untersuchung der grundlegenden Prinzipien neuromorphen Rechnens, wobei der Schwerpunkt auf der komplizierten Dynamik biologischer Neuronen und ihrer künstlichen Entsprechungen liegt. Es beginnt mit der Untersuchung des menschlichen Nervensystems, wobei die schnellen, parallelen, fehlertoleranten und energieeffizienten Verarbeitungsfähigkeiten von Neuronen hervorgehoben werden. Das Kapitel befasst sich dann mit der Evolution neuronaler Netzwerkmodelle, von den frühen Wahrnehmungen bis hin zu den fortgeschrittenen Spiking Neuronalen Netzwerken (SNNs), die das Verhalten biologischer Neuronen genauer nachahmen. SNNs arbeiten auf ereignisgesteuerter Basis und werden nur aktiviert, wenn ein Membranpotenzial eine Schwelle überschreitet, was zu geringen neuronalen Aktivitäten und erheblichen Energieeinsparungen führt. Der Text diskutiert auch verschiedene Topologien neuronaler Netzwerke, einschließlich Feedforward, Hopfield und rezidivierender neuronaler Netzwerke, die jeweils für unterschiedliche Rechenaufgaben optimiert sind. Es untersucht die Herausforderungen beim Design und innovative Lösungen in neuromorphen Systemen, wie den Einsatz von Address Event Representation (AER) für effiziente Kommunikation und die Entwicklung spezieller Speichertechnologien. Das Kapitel schließt mit der Hervorhebung des Potenzials neuromorpher Systeme bei der Revolutionierung von Bereichen, die hohe Effizienz und geringen Stromverbrauch erfordern, und bereitet den Boden für die weitere Erforschung fortgeschrittener Verbundnetzwerke im neuromorphen Rechner.