« communiqué de presse »
Intel fait progresser Neuromorphic avec Loihi 2, le nouveau framework logiciel Lava et de nouveaux partenaires
La puce de recherche de deuxième génération utilise le processus de pré-production Intel 4 et atteint 1 million de neurones. Intel ajoute un cadre logiciel ouvert pour accélérer l’innovation des développeurs et la voie vers la commercialisation.
Nouveautés : aujourd’hui, Intel a présenté Loihi 2, sa puce de recherche neuromorphique de deuxième génération, et Lava, un cadre logiciel open source pour le développement d’applications neuro-inspirées. Leur introduction signale les progrès continus d’Intel dans l’avancement de la technologie neuromorphique.
« Loihi 2 et Lava récoltent des informations issues de plusieurs années de recherche collaborative utilisant Loihi. Notre puce de deuxième génération améliore considérablement la vitesse, la programmabilité et la capacité du traitement neuromorphique, élargissant ses utilisations dans les applications informatiques intelligentes contraintes par la puissance et la latence. Nous utilisons Lava en open source pour répondre au besoin de convergence logicielle, d’analyse comparative et de collaboration multiplateforme sur le terrain, et pour accélérer nos progrès vers la viabilité commerciale. »
–Mike Davies, directeur de l’informatique neuromorphique d’Intel Lab
Pourquoi c’est important : l’informatique neuromorphique, qui s’appuie sur les connaissances des neurosciences pour créer des puces qui fonctionnent davantage comme le cerveau biologique, aspire à apporter des améliorations de plusieurs ordres de grandeur en termes d’efficacité énergétique, de vitesse de calcul et l’efficacité de l’apprentissage dans une gamme d’applications de pointe : de la vision, de la reconnaissance vocale et gestuelle à la recherche, à la robotique et aux problèmes d’optimisation sous contraintes.
Les applications qu’Intel et ses partenaires ont démontrées à ce jour incluent les bras robotiques, les peaux neuromorphiques et la détection olfactive.
À propos de Loihi 2 : La puce de recherche incorporée tire les enseignements de trois ans d’utilisation avec la puce de recherche de première génération et tire parti des progrès de la technologie des processus d’Intel et des méthodes de conception asynchrones.
Les avancées de Loihi 2 permettent à l’architecture de prendre en charge de nouvelles classes de neuro-des algorithmes et des applications inspirés, tout en offrant un traitement jusqu’à 10 fois plus rapide1, jusqu’à 15 fois plus de densité de ressources2 avec jusqu’à 1 million de neurones par puce, et une efficacité énergétique améliorée. Bénéficiant d’une étroite collaboration avec le groupe de développement technologique d’Intel, Loihi 2 a été fabriqué avec une version de pré-production du processus Intel 4, qui souligne la santé et les progrès d’Intel 4. L’utilisation de la lithographie extrême ultraviolet (EUV) dans Intel 4 a simplifié les règles de conception de la mise en page par rapport aux technologies de processus antérieures. Cela a permis de développer rapidement Loihi 2. Le framework logiciel Lava répond au besoin d’un framework logiciel commun dans la communauté de recherche en neuromorphisme. En tant que cadre ouvert, modulaire et extensible, Lava permettra aux chercheurs et aux développeurs d’applications de s’appuyer sur les progrès de chacun et de converger vers un ensemble commun d’outils, de méthodes et de bibliothèques. Lava fonctionne de manière transparente sur des architectures hétérogènes sur des processeurs conventionnels et neuromorphiques, permettant une exécution et une interopérabilité multiplateformes avec une variété de cadres d’intelligence artificielle, neuromorphiques et robotiques. Les développeurs peuvent commencer à créer des applications neuromorphiques sans avoir accès à du matériel neuromorphique spécialisé et peuvent contribuer à la base de code de Lava, notamment en la portant pour qu’elle s’exécute sur d’autres plates-formes.
« Les chercheurs du Laboratoire national de Los Alamos ont utilisé la plate-forme neuromorphique Loihi pour étudier le compromis entre l’informatique quantique et neuromorphique, ainsi que la mise en œuvre de processus d’apprentissage sur puce », a déclaré le Dr Gerd J. Kunde, scientifique du Laboratoire national de Los Alamos. «Cette recherche a montré des équivalences passionnantes entre les réseaux de neurones à pics et les approches de recuit quantique pour résoudre des problèmes d’optimisation difficiles. Nous avons également démontré que l’algorithme de rétropropagation, un élément fondamental pour l’entraînement des réseaux de neurones et que l’on croyait auparavant ne pas être implémentable sur des architectures neuromorphiques, peut être réalisé efficacement sur Loihi. Notre équipe est ravie de poursuivre cette recherche avec la puce Loihi 2 de deuxième génération.”
À propos des avancées majeures : Loihi 2 et Lava fournissent aux chercheurs des outils pour développer et caractériser de nouvelles-applications inspirées pour le traitement en temps réel, la résolution de problèmes, l’adaptation et l’apprentissage. Les points saillants notables incluent :
Optimisation plus rapide et plus générale : La plus grande programmabilité de Loihi 2 permettra de prendre en charge une classe plus large de problèmes d’optimisation difficiles, y compris l’optimisation, la planification et la prise de décision en temps réel. des systèmes de périphérie aux centres de données. Nouvelles approches pour l’apprentissage continu et associatif : Loihi 2 améliore la prise en charge des méthodes d’apprentissage avancées, y compris les variantes de la rétropropagation, l’algorithme de pointe de l’apprentissage en profondeur. Cela élargit la portée des algorithmes d’adaptation et d’apprentissage efficaces des données qui peuvent être pris en charge par des facteurs de forme à faible consommation fonctionnant dans des paramètres en ligne. Nouveaux réseaux de neurones pouvant être entraînés par le deep learning : les modèles de neurones entièrement programmables et la messagerie à pointes généralisées dans Loihi 2 ouvrent la porte à un large éventail de nouveaux modèles de réseaux de neurones pouvant être entraînés par le deep learning. Les premières évaluations suggèrent des réductions de plus de 60 fois moins d’opérations par inférence sur Loihi 2 par rapport aux réseaux profonds standard fonctionnant sur le Loihi d’origine sans perte de précision3. Loihi 2 corrige une limitation pratique de Loihi en incorporant des interfaces d’entrée/sortie plus rapides, plus flexibles et plus standard. Les puces Loihi 2 prendront en charge les interfaces Ethernet, l’intégration sans colle avec une plus large gamme de capteurs de vision basés sur des événements et des réseaux maillés plus larges de puces Loihi 2. Intégration transparente avec les systèmes robotiques du monde réel, les processeurs conventionnels et les nouveaux capteurs : Loihi 2 corrige une limitation pratique de Loihi en incorporant des interfaces d’entrée/sortie plus rapides, plus flexibles et plus standard. Les puces Loihi 2 prendront en charge les interfaces Ethernet, l’intégration sans colle avec une plus large gamme de capteurs de vision basés sur des événements et des réseaux maillés plus larges de puces Loihi 2.
À propos de la communauté Intel Neuromorphic Research : La communauté Intel Neuromorphic Research (INRC) est passé à près de 150 membres, avec plusieurs nouveaux ajouts cette année, notamment Ford, Georgia Institute of Technology, Southwest Research Institute (SwRI) et Teledyne-FLIR. De nouveaux partenaires rejoignent une solide communauté de partenaires universitaires, gouvernementaux et industriels qui travaillent avec Intel pour faire progresser les utilisations commerciales réelles de l’informatique neuromorphique.
« Des avancées comme la nouvelle puce Loihi 2 et l’API Lava sont des avancées importantes dans l’informatique neuromorphique », a déclaré Edy Liongosari, chercheur en chef et directeur général d’Accenture Labs. « L’architecture neuromorphique de nouvelle génération sera cruciale pour les recherches d’Accenture Labs sur les algorithmes de vision par ordinateur inspirés du cerveau pour l’informatique de pointe intelligente qui pourraient alimenter les futurs casques de réalité étendue ou les robots mobiles intelligents. La nouvelle puce fournit des fonctionnalités qui la rendront plus efficace pour l’informatique hyperdimensionnelle et peuvent permettre un apprentissage sur puce plus avancé, tandis que l’API Lava fournit aux développeurs une interface plus simple et plus rationalisée pour créer des systèmes neuromorphiques. »
À propos de la voie de la commercialisation : La progression de l’informatique neuromorphique de la recherche en laboratoire à une technologie commercialement viable est un effort à trois volets. Cela nécessite une amélioration itérative continue du matériel neuromorphique en réponse aux résultats de la recherche algorithmique et applicative ; développement d’un cadre logiciel multiplateforme commun afin que les développeurs puissent comparer, intégrer et améliorer les meilleures idées algorithmiques de différents groupes ; et des collaborations approfondies entre l’industrie, les universités et les gouvernements pour créer un écosystème neuromorphique riche et productif pour explorer les cas d’utilisation commerciale qui offrent une valeur commerciale à court terme.
Les annonces d’Intel d’aujourd’hui couvrent tous ces domaines, mettant de nouveaux outils dans entre les mains d’un écosystème en pleine expansion de chercheurs en neuromorphologie engagés à repenser l’informatique à partir de ses fondations pour réaliser des avancées dans le traitement intelligent de l’information.
La suite : Intel propose actuellement deux systèmes neuromorphiques via le nuage Neuromorphic Research aux membres engagés de l’INRC: Oheo Gulch, un système à puce unique pour une évaluation précoce et Kapoho Point, un système à huit puces qui sera bientôt disponible. Le framework logiciel Lava est disponible en téléchargement gratuit sur GitHub. Une présentation et des didacticiels sur Loihi 2 et Lava seront présentés lors du prochain événement Intel Innovation en octobre.
Les petits caractères :
1 Basé sur des simulations de Lava en septembre, 2021 d’une variante à neuf couches de la charge de travail d’inférence PilotNet DNN implémentée en tant que réseau de neurones sigma-delta sur Loihi 2 par rapport au même réseau implémenté avec le codage de taux SNN sur Loihi. Le modèle de performance Lava pour les deux puces est basé sur la caractérisation du silicium à l’aide de la version 1.0.0 du SDK Nx avec un processeur Intel Xeon E5-2699 v3 à 2,30 GHz, 32 Go de RAM, en tant qu’hôte exécutant Ubuntu version 20.04.2. Les résultats de Loihi utilisent le système Nahuku-32 ncl-ghrd-04. Les résultats de Loihi 2 utilisent le système Oheo Gulch ncl-og-04. Les résultats peuvent varier.
2 Sur la base de la taille du noyau Loihi 2 de 0,21 mm2 prenant en charge jusqu’à 8192 neurones par rapport à la taille du noyau Loihi de 0,41 mm2 prenant en charge jusqu’à 1024 neurones.
3 Sur la base des mesures des neuf couches Charge de travail d’inférence DNN PilotNet référencée ci-dessus, avec une implémentation de réseau de neurones sigma-delta sur Loihi 2 atteignant une erreur quadratique moyenne (MSE) de 0,035 avec 323 815 opérations synaptiques par rapport à un SNN à taux codé sur Loihi 1 atteignant une MSE de 0,0412 avec 20 250 023 synaptiques opérations.
« fin du communiqué de presse »