Reservoir-Computing für Multitasking-Sensoren
Jeder Hightech-Riese da draußen würde es Ihnen mit Freuden mitteilen: Im maschinellen Lernen liegt die Zukunft der Technik, und wir haben bisher nur an der Oberfläche von dessen vollem Potenzial gekratzt. Bald schon wird sämtliche, in unsere intelligenten Geräte eingebettete Software automatisch aus Erfahrung dazulernen und sich verbessern, ebenso wie wir Menschen es jedes Mal tun, wenn wir neue Situationen meistern müssen. Dieser Vergleich ist fundamental, da einer der erfolgreichsten Ansätze für maschinelles Lernen, das sogenannte Reservoir-Computing, von neuronalen Netzen inspiriert ist. Zoran Konkoli, Professor an der Fakultät für Mikrotechnologie und Nanowissenschaften der Chalmers University of Technology betont: „Das Alleinstellungsmerkmal von Reservoir-Computing ist, dass keine komplizierten zusätzliche Einrichtungen gebraucht werden. Ist ein System ausreichend komplex, kann es mit einer sehr einfachen Einheit ausgestattet werden, der sogenannten ‚Ausleseschicht‘, die sich für jede Berechnung einfach optimieren lässt.“ Im September 2015 übernahm Prof. Konkoli die Leitung eines acht Partner umfassenden Konsortiums aus Universitäten und Forschungsinstituten, um das Reservoir-Computing bei einer neuen Generation von intelligenten, biokompatiblen Sensorbauelementen anzuwenden, die Verhaltensänderungen in Ionenkonzentrationen erkennen können. So war das RECORD-IT-Projekt geboren. Üblicherweise arbeiten Sensoren in zwei Schritten. Zuerst interagieren sie mit dem zu untersuchenden Objekt und erzeugen einen Ausgangswert. Dieser Ausgangswert kann dann in einem zweiten Schritt von einer unabhängigen Einheit analysiert werden. Nehmen zum Beispiel unsere Augen Licht wahr, löst dies das Aktionspotenzial in den Nervenzellen aus, die von der Netzhaut zum Gehirn führen. Im zweiten Schritt verleiht unser Gehirn diesen Informationen einen Sinn. Es gibt zwei wesentliche Ansätze für den Einsatz des Reservoir-Computings (RC) bei Sensoren: den klassischen Aufbau „RC und Sensorik“, bei dem das RC-Bauelement den Analyseschritt übernimmt, und den neuartigen Ansatz „RC für Sensorik“, der im Rahmen des Projekts RECORD-IT entwickelt wurde. Bei diesem sammelt der RC-Sensor Informationen und verarbeitet sie gleichzeitig. „Nehmen wir einmal an, Sie wollen ohne Zugang zu einem Fenster wissen, wie das Wetter draußen ist. Betritt eine von draußen kommende Person den Raum, so können Sie das Wetter mit Hilfe dieser Person bestimmen. Bei einem ‚RC und Sensorik‘-Aufbau müsste man eine sehr komplexe Kamera sowie eine dazugehörige komplexe Bildverarbeitungsanalyse (mittels RC oder einem anderen Typ der Einheit) entwickeln, um zu sehen, ob die Person nass ist. Mit ‚RC für Sensorik‘ können Sie, anstatt passiver Beobachter zu sein, einfach mit der Person interagieren, indem Sie simple Fragen stellen“, erläutert Prof. Konkoli. Die Hauptinnovation von RECORD-IT besteht darin, auf welche Weise ein solches dynamisches System im Zeitverlauf abgefragt werden kann, indem Hinweise über die Umgebung gesammelt werden, bevor sie mit einer sehr einfachen Inferenzeinheit bewertet werden. Das Team hat es jedoch auch geschafft, diesen Ansatz auf das sehr anspruchsvolle Gebiet der ionischen Systeme anzuwenden. „Die Liste der möglichen Anwendungen ist endlos“, schwärmt Prof. Konkoli. „Wir erwarten einen enormen Einfluss auf die Technologien im Zusammenhang mit dem Internet der Dinge, bei denen die Notwendigkeit zur Reduzierung der Kommunikationsbandbreite eine große Herausforderung darstellt. Beispielsweise könnten wir uns medizinische Anwendungen wie etwa die Patientenüberwachung in Echtzeit (wir wollen genaue Sensoren, die klein und energieeffizient sind), Anwendungen im Bereich Schwarmintelligenz mit verteilten Sensorsystemen usw. vorstellen.“ Auch wenn das Projekt letztes Jahr abgeschlossen wurde, hat sich das Konsortium weiterhin damit beschäftigt, die algorithmischen Prinzipien des Projekts für mehrere Anwendungen auszunutzen. Dazu zählen ein Sensor zum Erkennen neurologischer Krankheiten, kryptografische Anwendungen und mehrere Ideen zum Thema verteilte Sensornetzwerke.
Schlüsselbegriffe
RECORD-IT, Reservoir-Computing, maschinelles Lernen, Sensoren, neuronales Netzwerk, IoT, Internet der Dinge, RC for Sensing, ionische Systeme
