
Prof. Dr. Kathy Lüdge
Fachgebietsleiterin
Sekretariat:
Dagmar Böhme
Tel.: +49 (0) 3677 69 3706
Postanschrift:
Technische Universität Ilmenau
Fakultät für Mathematik und Naturwissenschaften
Institut für Physik
Wir untersuchen dynamische Instabilitäten, die durch optische Rückkopplung, optische Injektion oder Modenkopplung in Lasern entstehen. Die Ladungsträgerdynamik im Verstärkermaterial (z.B. Halbleiter-Nanostrukturen) spielt dabei eine zentrale Rolle. Ein weiteres Forschungsthema betrifft die Frage, inwieweit diese optischen Systeme für Hardware-basiertes maschinelles Lernen eingesetzt werden können. Wir verwenden numerische Methoden zur Lösung von gekoppelten Differentialgleichungen sowie analytische Methoden der Nichtlineare Dynamik für die Bifurkationsanalyse.

Das EU Doktorandentrainingsnetzwerk MINDnet vereint technologisches Know-how in den Bereichen Photonik und Elektronik mit einem grundlegenden Verständnis der Dynamik physikalischer Systeme sowie Expertise in Neurotechnologien und Neurowissenschaften. Im Rahmen dieses Projekts wird das Konsortium Synergien zwischen bislang voneinander getrennten Forschungsgemeinschaften schaffen und Wissen sowie entsprechende Kompetenzen bündeln, um Systeme für Computing mit physikalischen Systemen zu optimieren. Dabei sind alle Ebenen im Fokus, von einzelnen nichtlinearen Bauelementen bis hin zum vollständigen Hardware-Software-Co-Design.
Unser Beitrag in Ilmenau besteht in der Entwicklung neuer Methoden zur Erweiterung des Speichervermögens und der Anpassungsfähigkeit physikalischer Reservoir-Computer, als auch in der Untersuchung neuer Trainingsmethoden. Hierzu werden wir unter anderem die nichtlineare Dynamik der physikalischen Bauelemente modellieren, ihre Modulationseigenschaften und ihre Bifurkationsstruktur analysieren, sowie effiziente Betriebsstrategien für den Einsatz dieser Bauelemente in analogen Rechenanwendungen entwickeln.

Die Ilmenau School of Green Electronic (ISGE) ist ein stark interdisziplinärer Verbund von Forschungsprojekten mit dem Ziel, eine Informationstechnologie der Zukunft zu entwickeln, die nicht nur im Betrieb, sondern entlang der gesamten Wertschöpfungskette und im gesamten Materialkreislauf – also während des Betriebs, der Herstellung, der Reparatur und des Recyclings – nachhaltig und klimaneutral ist.
Im Rahmen des allgemeinen Schwerpunkts auf den Bereichen bioinspirierte Mikroelektronik, intelligente Materialien, Bauelemente und Technologien sowie energieeffizientes Rechnen befasst sich unser Projekt P6 mit der Untersuchung der Leistungsfähigkeit eines elektrooptischen Reservoir-Computing-Systems (ORC) in Abhängigkeit von der Architektur des Reservoirs und der experimentellen Umsetzung als optisches räumlich-zeitliches rekurrentes neuronales Netzwerk. Als Ausgangspunkt dient ein bestehender Versuchsaufbau für ein Reservoir-Computing-System, das auf einem räumlichen Lichtmodulator in einer elektronischen Rückkopplungsschleife basiert. Die Systeme werden mithilfe von optischem Systemdesign und dreidimensionaler Strahlformung an die Anforderungen angepasst. Die Abhängigkeit der Leistung von der optimierten Reservoirstruktur wird anhand von Benchmark-Experimenten untersucht und im Hinblick auf die Energieeffizienz als Beispiel für grüne Elektronik bewertet.

Brain-inspired or neuromorphic chips working with biologically inspired spiking neural networks have gained attention as they promise highly efficient ways to process data. Developing neuromorphic systems with electronic and photonic hardware is part of the new European collaborative project SPIKEPro (Spiking Photonic-Electronic IC for Quick and Efficient Processing) within the European Innovation Council (EIC) framework. TU Ilmenau is one of the partners that are gathered from TU Eindhoven, University of Strathclyde, University College London, and HP Enterprise Belgium. SPIKEPro proposes a science-towards-technology breakthrough by combining low-energy electrical and photonic neurons into a joint spiking neural network on an integrated circuit. SPIKEPro’s chip integration approach is based on a common technology platform, connecting ultrafast laser optical neurons with efficient electrical spiking diodes through non-volatile synaptic weights. This enables to simultaneously capitalise on the advantages of both electronics and photonics to deliver efficient and high-speed SNNs going beyond existing implementations. In addition to reducing the energy consumption per spike in the network, SPIKEPro will also develop novel learning strategies and algorithms able to work with reduced number of synaptic connections. The outcome of SPIKEPro will have lasting economic, societal and scientific impact. The project will bring ultra-fast and efficient neuromorphic hardware into the disparate fields of edge computing, sensor data processing, high-speed control and computational neuroscience.

Reservoir Computing ist eine leicht in Hardware realisierbare Methode des maschinellen Lernens und wird in der Arbeitsgruppe intensiv untersucht. Im von der Carl-Zeiss Stiftung geförderten Projekt NeurosensEar Neuromorphe akustische Sensorik für leistungsfähige Hörgeräte von morgen untersuchen wir micro-mechanische Resonatoren als InSensor Reservoir Computer.

DFG Projekt (2020-2023)
"Hybrid photonic computing in delay-coupled non-linear systems with memory"
Teilprojekt im Sonderforschungsbereich SFB910 (2019-2022)
"Collective phenomena in laser networks with nonidentical units"

