Loihi 2 on Intelin toisen sukupolven neuromorfinen tutkimuspiiri. Se tukee uusia neuro-innoittamien algoritmien ja sovellusten luokkia ja tarjoaa samalla nopeamman käsittelyn, suuremman resurssitiheyden ja paremman energiatehokkuuden. Intel esitteli sen syyskuussa 2021. (Luotto: Walden Kirsch/Intel Corporation)
Intelin uusin Loihi 2-neuromorfinen siru antaa yritykselle mahdollisuuden”saada tietoa neurotieteestä ja luoda siruja, jotka toimivat enemmän kuin biologiset aivot”.”Pyrkimys auttaa parantamaan huomattavasti energiatehokkuutta paljon korkeammalla tasolla ja nopeuttamaan tehokkaasti laskennallista oppimista useilla reunasovelluksilla, kuten”näkö-, ääni-ja eleentunnistus haunhakuun, robotiikka ja rajoitetut optimointiongelmat”. Niitä löytyy tekniikoista, kuten neuromorfisesta ihosta, robotti käsivarsista ja hajuanturista.
Loihi 2 hyödyntää useiden vuosien kokemusta edeltäjänsä ensimmäisen sukupolven julkaisusta, jolloin Intelin prosessiteknologiat ja asynkroninen suunnittelurakenne voivat edetä tulevaisuuteen.
Loihi 2: n kehitys mahdollistaa arkkitehtuurin tukemaan uusia neuro-innoittamien algoritmien ja sovellusten luokkia ja tarjoamaan jopa 10 kertaa nopeamman käsittelyn, jopa 15 kertaa suuremman resurssitiheyden, jopa miljoona neuronia per siru ja parantunut energiatehokkuus. Loihi 2 on valmistettu läheisestä yhteistyöstä Intelin Technology Development Groupin kanssa, ja se on valmistettu Intel 4-prosessin esituotannosta, joka korostaa Intel 4: n terveyttä ja kehitystä. on yksinkertaistanut asettelun suunnittelusääntöjä aiempiin prosessitekniikoihin verrattuna. Tämä on mahdollistanut Loihi 2: n nopean kehittämisen. Lava-ohjelmistokehys vastaa yhteisen ohjelmistokehyksen tarpeeseen neuromorfisessa tutkimusyhteisössä. Avoimena, modulaarisena ja laajennettavana kehyksenä Lava antaa tutkijoille ja sovelluskehittäjille mahdollisuuden rakentaa toistensa edistymistä ja yhtyä yhteisiin työkaluihin, menetelmiin ja kirjastoihin. Lava toimii saumattomasti heterogeenisillä arkkitehtuureilla perinteisissä ja neuromorfisissa prosessoreissa, mikä mahdollistaa eri alustojen välisen suorituksen ja yhteentoimivuuden erilaisten tekoälyn, neuromorfisten ja robotiikkakehysten kanssa. Kehittäjät voivat alkaa rakentaa neuromorfisia sovelluksia ilman pääsyä erikoistuneisiin neuromorfisiin laitteistoihin ja voivat osallistua Lava-koodiperustaan, mukaan lukien sen siirtäminen käytettäväksi muilla alustoilla.
Dr. Gerd J.Kunde, Los Alamosin kansallisen laboratorion henkilökuntatutkija, toteaa:”Los Alamosin kansallisen laboratorion tutkijat ovat käyttäneet Loihin neuromorfista alustaa tutkiakseen kompromisseja kvantti-ja neuromorfisen laskennan välillä sekä toteuttaneet oppimisprosesseja Tämä tutkimus on osoittanut jännittäviä yhtäläisyyksiä hermostuneiden hermoverkkojen ja kvanttihehkutusmenetelmien välillä vaikeiden optimointitehtävien ratkaisemiseksi. Olemme myös osoittaneet, että backpropagation-algoritmi, perusrakenne hermoverkkojen kouluttamiseen ja jota ei aiemmin uskottu olevan toteutettavissa neuromorfisiin Arhitektuurit voidaan toteuttaa tehokkaasti Loihilla. Tiimimme jatkaa innolla tätä tutkimusta toisen sukupolven Loihi 2-sirulla.”
Tällä hetkellä Intel tarjoaa kaksi erillistä Loihi 2-pohjaista neuromorfista järjestelmää Neuromorphic Research-pilvensä kautta osoitteessa Intel Neuromorphic Research Community (INRC). Ensimmäinen on Oheo Gulch,”yhden sirun järjestelmä varhaiseen arviointiin”. Toinen on Kapoho Point,”kahdeksan sirun järjestelmä, joka tulee pian saataville”. Lava-sovellusliittymä on tällä hetkellä saatavilla ilmaiseksi ladattavaksi GitHubista . Loihi 2: n ja Lava-sovellusliittymän esittely ja opetusohjelmat esitetään Intelin innovaatiotapahtumassa lokakuussa.
Loihi 2 ja Lava API tarjoavat tutkijoille työkaluja uusien neuroteknologian sovellusten luomiseen ja karakterisointiin ongelmanratkaisussa, oppiminen, ratkaisujen mukauttaminen ja kaavojen käsittely reaaliajassa.
Nopeampi ja yleisempi optimointi: Loihi 2: n parempi ohjelmoitavuus mahdollistaa laajemman luokan vaikeita optimointiongelmia tuettu, mukaan lukien reaaliaikainen optimointi, suunnittelu ja päätöksenteko reunasta tietokeskukseen. Uusia lähestymistapoja jatkuvaan ja assosiatiiviseen oppimiseen: Loihi 2 parantaa tukea kehittyneille oppimismenetelmille, mukaan lukien variaatiot etenemisestä, syvän oppimisen työhevosalgoritmi. Tämä laajentaa sopeutumis-ja datatehokkaiden oppimisalgoritmien soveltamisalaa, joita online-asetuksissa toimivat pienitehoiset muotoilutekijät voivat tukea. Uudet hermoverkot, joita voidaan kouluttaa syvällä oppimisella: Täysin ohjelmoitavat neuronimallit ja yleistetyt piikkiviestit Loihi 2: ssa avaavat oven monille uusille hermoverkkomalleille, jotka voidaan kouluttaa syvään oppimiseen. Alustavat arvioinnit viittaavat siihen, että Loihi 2: n päättelyvähennyksiä vähennetään yli 60 kertaa vähemmän kuin alkuperäisessä Loihissa toimivissa tavanomaisissa syväverkoissa ilman, että tarkkuus heikkenee. Loihi 2 käsittelee Loihin käytännön rajoituksia sisällyttämällä siihen nopeammat, joustavammat ja tavallisemmat tulo-/lähtöliitännät. Loihi 2-piirit tukevat Ethernet-rajapintoja, liimatonta integrointia laajemman tapahtumapohjaisten visioanturien valikoiman kanssa ja Loihi 2-piirien isompia verkkoja. Saumaton integrointi reaalimaailman robotiikkajärjestelmiin, perinteisiin prosessoreihin ja uusiin antureihin: Loihi 2 käsittelee Loihin käytännön rajoituksia sisällyttämällä nopeammat, joustavammat ja tavallisemmat tulo-/lähtöliitännät. Loihi 2-piirit tukevat Ethernet-rajapintoja, liimatonta integrointia laajemman tapahtumapohjaisten visioanturien valikoiman kanssa ja Loihi 2-piirien isompia verkkoja.
Lisätietoja Loihi 2: n neuromorfisista prosessointipiireistä ja Lava-sovellusliittymästä tämä tekninen tiedotus Loihi 2: n ja Lava-sovellusliittymän uusista parannuksista selittää tarkemmin.
