英特尔将神经形态研究系统扩展到1亿个神经元

 
今天，英特尔宣布已准备好Pohoiki Springs，它是最新，功能最强大的神经形态研究系统，可提供1亿个神经元的计算能力。基于云的系统将提供给英特尔神经形态研究社区(INRC)的成员，以扩展其神经形态研究工作，以解决更大，更复杂的问题。
“ Pohoiki Springs将我们的Loihi神经形态研究芯片扩展了750倍以上，而功率水平却在500瓦以下。该系统使我们的研究合作伙伴能够探索各种方法来加速工作负载，这些工作负载如今在常规架构上运行缓慢，包括性能计算(HPC)系统。”英特尔神经形态计算实验室主任Mike Davies说。
Pohoiki Springs是一个数据中心机架式系统，是迄今为止开发的英特尔最大的神经形态计算系统。它将768个Loihi神经形态研究芯片集成在一个具有5台标准服务器大小的机箱中。
Loihi处理器从人脑获得灵感。与大脑一样，Loihi可以处理某些苛刻的工作负载，其速度是传统处理器的1,000倍，效率是10,000倍。 Pohoiki Springs是扩展此架构的下一步，以评估其解决不仅解决人工智能(AI)问题，而且解决各种计算难题的潜力。英特尔研究人员认为，与当今最先进的常规计算机相比，神经形态系统的极端并行性和异步信号传输可以显着降低功耗，从而显着提高性能。
在自然世界中，甚至某些最小的生物也可以解决非常困难的计算问题。例如，尽管许多昆虫的大脑神经元数不到100万，但它们仍可以视觉跟踪目标并实时导航并避开障碍物。
同样，英特尔最小的神经形态系统Kapoho Bay包含两个Loihi芯片，具有262,000个神经元，并支持各种实时边缘工作负载。英特尔和INRC研究人员证明了Loihi能够实时识别手势，使用新型人造皮肤读取盲文，使用学习到的视觉界标来定向方向以及学习新的气味模式的能力-同时消耗数十毫瓦的功率。到目前为止，这些小规模的示例已显示出出色的可伸缩性，与常规解决方案相比，在Loihi上运行更快，更高效的较大问题。这反映了自然界中大脑的可扩展性，从昆虫到人的大脑。
Pohoiki Springs拥有1亿个神经元，可将Loihi的神经容量增加到一个小的哺乳动物大脑的大小，这是支持更大，更复杂的神经形态工作量的重要一步。该系统为自主，互联的未来奠定了基础，这将需要新的方法来进行实时，动态数据处理。
英特尔的神经形态系统(例如Pohoiki Springs)仍处于研究阶段，不能替代传统的计算系统。取而代之的是，它们为研究人员提供了一种工具，用于开发和表征新的神经启发算法，以进行实时处理，问题解决，适应和学习。
INRC成员将使用英特尔的Nx SDK和社区提供的软件组件通过云访问和在Pohoiki Springs上构建应用程序。
正在为Loihi开发的有前途的，高度可扩展的算法示例包括：
约束满意度：约束满意度问题在现实世界中无处不在，从数独游戏到航空公司调度，再到包裹交付计划。他们需要评估大量潜在的解决方案，以识别满足特定约束的一个或几个。 Loihi可以通过并行探索许多不同的解决方案来加速此类问题。
搜索图形和模式：人们每天都在搜索基于图形的数据结构，以找到最佳路径和紧密匹配的模式，例如获得行驶方向或识别人脸。 Loihi已显示出快速识别图中最短路径并执行近似图像搜索的能力。
优化问题：可以对神经形态架构进行编程，以便其随时间的动态行为可以数学方式优化特定目标。此行为可用于解决现实世界中的优化问题，例如最大化无线通信信道的带宽或分配股票投资组合，以最小化目标回报率下的风险。
关于神经形态计算
传统的通用处理器(如CPU和GPU)特别擅长处理人类难以完成的任务，例如高精度数学计算。但是技术的作用和应用正在扩展。从自动化到AI以及其他领域，人们对计算机的需求越来越高，它们需要像人类一样操作，实时处理非结构化和嘈杂的数据，同时适应变化。这一挑战激发了新的专业架构。
神经形态计算是对计算机体系结构从下至上的全面反思。目的是利用神经科学的最新见识来创建功能更像传统计算机而不是人脑的芯片。神经形态系统复制了在硬件级别上神经元的组织，通信和学习方式。英特尔看到Loihi和未来的神经形态处理器定义了一种可编程计算的新模型，以满足全球对普及型智能设备不断增长的需求。