KI und die schwierigen Probleme der Welt · Astronomie & Weltraum · arXiv · 2026-10-21
Ein strahlengehärtetes, fehlerbewusstes quantisiertes neuronales Netzwerk mit Selbstheilung
Originaltitel: A Radiation-Hardened, Fault-Aware Quantized Neural Network That Self-Heals
In strahlungsbelasteten Umgebungen wie Raumfahrzeugen und Teilchenbeschleunigern verschlechtern sich eingesetzte Deep-Learning-Modelle, da hochenergetische Teilchen Daten korruptieren, was eine Laufzeitmethode zur Reparatur quantisierter neuronaler Netzwerkgewichte nach Bitflips motiviert. Die Methode namens Projection Healing erweitert Fault-Aware Training um einen Alignment-Strafterm, der unbeschädigte Aktivierungen und Gewichte in einen niedrigrangigen Unterraum konzentriert, aus dem markierte, korruptierte Koordinaten auf handelsüblicher Hardware rekonstruiert werden, ohne zusätzliche Replikate speichern zu müssen. Über sechs Regressionsbenchmarks hinweg verlängerte sie das operative Scrub-Intervall um im Median 2.04× bei +5% RMSE-Verschlechterung (gegenüber 1.62× bei klassischem SECDED), und wenn der FAT-Checkpoint fixiert blieb und nur die Laufzeit-Reparatur umgeschaltet wurde, ergab sich eine weitere Reduktion des Überschussintegrals in nativen Einheiten um ~23%.