2019-11-09 17:13

英特尔的Pohoiki海滩是一种能够模拟800万个神经元的神经形态计算机

神经形态工程,也称为神经形态计算,描述了使用包含电子模拟电路的系统来模仿神经系统中存在的神经生物学结构。麻省理工学院,Perdue,斯坦福大学,IBM,HP和其他地方的科学家开创了全栈系统的先驱,但是在解决神经形态研究的长期目标之一时,可以说很少有人能比英特尔更接近—超级计算机千倍比今天任何时候都强大。

举个例子吗?今天,在美国密歇根州底特律市国防高级研究计划局(DARPA)的电子复兴计划2019峰会上,英特尔推出了代号为“ Pohoiki Beach”的系统,该系统为64芯片计算机,能够模拟总共800万个神经元。英特尔实验室董事总经理Rich Uhlig表示,将向60个研究合作伙伴提供Pohoiki Beach,以“推进领域”并扩大AI算法(例如备用编码和路径规划)的规模。

我们对Loihi进行缩放以创建更强大的神经形态系统时所展示的早期结果给我们留下了深刻的印象。现在,将有60多个生态系统合作伙伴使用Pohoiki海滩,他们将使用该专业系统解决复杂的计算密集型问题。”

Pohoiki Beach包装了64个128核,14纳米Loihi神经形态芯片,该芯片于2017年10月在俄勒冈州的2018年神经启发计算元素(NICE)研讨会上首次详细介绍。它们具有60毫米的管芯尺寸,并包含超过20亿个晶体管,13万个人工神经元和1.3亿个突触,以及三个用于管理任务编排的Lakemont核心。Loihi独特地具有可编程微码学习引擎,用于异步尖峰神经网络(SNN)的片上训练-AI模型将时间整合到其操作模型中,因此模型的组件不会同时处理输入数据。这将用于高效实现自适应自修改,事件驱动和细粒度并行计算。

Loihi开发工具链包括Loihi Python API,编译器和一组用于在Loihi上构建和执行SNN的运行时库。它提供了一种创建具有自定义配置(例如衰减时间,突触权重和峰值阈值)的神经元和突触图的方法,以及通过通过自定义学习规则注入外部尖峰来模拟这些图的方法。

据英特尔称,Loihi的信息处理速度是传统处理器的1000倍,效率最高10,000倍,与传统的CPU操作相比,它可以解决某些类型的优化问题,其速度和能源效率提高了三个数量级以上。此外,该芯片制造商声称Loihi保持实时性能结果,并且在放大50倍时仅使用30%的功率,而传统硬件则使用500%的功率。它说,该芯片的能耗比广泛使用的CPU运行的同时定位和映射方法的能耗低约100倍。

通过[Loihi],我们能够证明运行实时深度学习基准测试的功耗是GPU的109倍,而功耗是专业的IoT推理硬件的5倍。”滑铁卢大学克里斯·埃里亚史密斯大学应用脑研究教授,他的团队可以使用Loihi芯片。

英特尔表示,今年晚些时候它将推出更大的Loihi系统-Pohoki Springs,它将为神经形态工作负载(超过1亿个神经元)提供“前所未有的”性能和效率水平。此外,这家位于圣塔克拉拉(Santa Clara)的公司表示,将继续通过“英特尔神经形态研究社区”提供对Loihi云系统和基于Loihi的USB规格系统Kapoho Bay的访问。