Effiziente künstliche neuronale Netzwerke : 1,5 Mio Euro für CISPA-Forscherin Dr. Rebekka Burkholz

Rebekka Burkholz möchte das maschinelle Lernen demokratisieren. Ihr Ansatzpunkt: Künstliche neuronale Netze kleiner und zugleich effizienter gestalten, damit sie irgendwann auf allen Endgeräten laufen und mehr Usern zur Verfügung stehen können. Dieses Forschungsvorhaben mit Namen SPARSE-ML fördert der Europäische Forschungsrat (ERC) nun fünf Jahre lang mit einem ERC Starting Grant in Höhe von insgesamt 1,5 Millionen Euro.

Künstliche neuronale Netzwerke: Schlanker ist (wahrscheinlich) effizienter

Dieser Schwierigkeit widmet sich Rebekka Burkholz in ihrem Projekt SPARSE-ML. Ihr Ziel ist es, die Modelle für maschinelles Lernen kleiner und effizienter zu machen. Sie vermutet, dass schlankere und gezielter trainierte neuronale Netze auch eine größere bereichsspezifische Leistungsfähigkeit erreichen können. „Das bloße Zurückschneiden bisheriger neuronaler Netzwerkarchitekturen reicht nicht aus, um dieses Ziel zu erreichen“, argumentiert Burkholz. In ihrem Projekt will sie die Methoden der statistischen Physik einsetzen, um neuronale Netze auf kleinere Modelle zu skalieren, die weniger Ressourcen und weniger Rechenleistung erfordern.

Mehr dazu hier