aktivKI & LLM11. März 2026
cricket-brain
Neuromorphes Spiking Neural Network nach dem Vorbild des Grillengehirns — Mustererkennung bei einem Bruchteil des Energiebedarfs klassischer Netze.
RustPythonNumPy
Ein Grillengehirn hat rund 100.000 Neuronen und erkennt damit den Gesang der eigenen Art zuverlässig in einer lauten Umgebung. Genau diese Effizienz ist der Ausgangspunkt.
Aufbau
- Ereignisbasiert — Neuronen feuern, wenn ihr Membranpotential den Schwellwert überschreitet. Zwischen den Spikes rechnet das Netz nichts.
- Zeit als Merkmal — Information steckt im Abstand zwischen Spikes, nicht in Fließkommazahlen pro Schicht.
- Rust im Kern — Simulationsschleife ohne Garbage Collector, Python nur für Experimentsteuerung und Auswertung.
Ergebnis bisher
Bei der Erkennung rhythmischer Muster liegt die Trefferquote nahe an einem vergleichbaren LSTM, bei deutlich weniger Rechenoperationen pro Eingabe. Sauber belastbar wird die Aussage erst mit einem standardisierten Benchmark — daran arbeite ich gerade.