Loihi 2は、Intelの第2世代ニューロモルフィックリサーチチップです。これは、新しいクラスの神経に触発されたアルゴリズムとアプリケーションをサポートすると同時に、より高速な処理、より高いリソース密度、および改善されたエネルギー効率を提供します。 2021年9月にIntelによって導入されました。（クレジット:Walden Kirsch/Intel Corporation）
Intelの最新のLoihi2ニューロモルフィックチップにより、同社は「神経科学から洞察を引き出し、生物学的脳のように機能するチップを作成できます。 。」この取り組みは、エネルギー効率をはるかに高いレベルで大幅に改善するだけでなく、「視覚、音声、ジェスチャーによる検索検索、ロボット工学、制約付き最適化問題」など、いくつかのエッジアプリケーションで計算学習を効率的に加速するのに役立ちます。これらは、ニューロモーフィックスキン、ロボットアーム、嗅覚センシングなどのテクノロジーに見られます。
Loihi 2は、その前身の第1世代リリースでの数年の使用経験を利用しているため、Intelのプロセステクノロジーと非同期設計構造をさらに前進させることができます。
Loihi 2の進歩により、アーキテクチャが可能になります。新しいクラスのニューロインスパイアードアルゴリズムとアプリケーションをサポートすると同時に、最大10倍高速な処理、最大15倍のリソース密度、チップあたり最大100万ニューロン、エネルギー効率の向上を実現します。ロイヒ2は、インテルの技術開発グループとの緊密なコラボレーションの恩恵を受けて、インテル4プロセスの試作バージョンで製造されました。これは、インテル4の健全性と進歩を強調しています。インテル4での極限紫外線（EUV）リソグラフィーの使用過去のプロセス技術と比較して、レイアウト設計ルールを簡素化しました。これにより、Loihi 2の迅速な開発が可能になりました。Lavaソフトウェアフレームワークは、ニューロモルフィック研究コミュニティにおける共通のソフトウェアフレームワークの必要性に対応しています。 Lavaは、オープンでモジュール式の拡張可能なフレームワークとして、研究者とアプリケーション開発者が互いの進歩に基づいて構築し、共通のツール、メソッド、およびライブラリのセットに収束できるようにします。 Lavaは、従来のプロセッサとニューロモルフィックプロセッサの異種アーキテクチャでシームレスに実行され、クロスプラットフォームの実行と、さまざまな人工知能、ニューロモルフィック、ロボット工学のフレームワークとの相互運用性を実現します。開発者は、特殊なニューロモルフィックハードウェアにアクセスせずにニューロモルフィックアプリケーションの構築を開始でき、他のプラットフォームで実行するための移植など、Lavaコードベースに貢献できます。
博士ロスアラモス国立研究所のスタッフサイエンティストであるGerdJ。Kundeは、次のように述べています。-チップ。この研究は、ハード最適化問題を解決するためのスパイクニューラルネットワークと量子アニーリングアプローチの間にいくつかのエキサイティングな同等性を示しました。また、バックプロパゲーションアルゴリズム、ニューラルネットワークをトレーニングするための基本的な構成要素であり、以前はニューロモルフィックに実装できないと考えられていました。アーキテクチャは、Loihiで効率的に実現できます。私たちのチームは、第2世代のLoihi2チップでこの研究を継続できることに興奮しています。」
現在、Intelは、ニューロモルフィックリサーチクラウドを通じて、2つの別々のLoihi2ベースのニューロモルフィックシステムを提供しています。 Intel Neuromorphic Research Community（INRC）。 1つ目は「早期評価用シングルチップシステム」のオヘオガルチ。 2つ目は「まもなく発売される8チップシステム」のカポホポイント。 Lava APIは現在、 GitHubから無料でダウンロードできます。 Loihi2とLavaAPIに関するプレゼンテーションとチュートリアルは、今年10月のIntelのイノベーションイベントで紹介されます。
Loihi2とLavaAPIは、問題解決のためのニューロテクノロジーの新しいアプリケーションを作成および特性評価するためのツールを研究者に提供します。リアルタイムでの学習、ソリューションの適応、数式の処理。
より高速でより一般的な最適化: Loihi 2の優れたプログラマビリティにより、より幅広いクラスの困難な最適化問題が可能になります。エッジシステムからデータセンターシステムまでのリアルタイムの最適化、計画、意思決定などをサポートします。 継続的かつ連想的な学習のための新しいアプローチ: Loihi 2は、深層学習の主力アルゴリズムであるバックプロパゲーションのバリエーションなど、高度な学習方法のサポートを改善します。これにより、オンライン設定で動作する低電力フォームファクターでサポートできる適応およびデータ効率の高い学習アルゴリズムの範囲が広がります。 ディープラーニングでトレーニング可能な新しいニューラルネットワーク: Loihi 2の完全にプログラム可能なニューロンモデルと一般化されたスパイクメッセージングにより、ディープラーニングでトレーニングできるさまざまな新しいニューラルネットワークモデルへの扉が開かれます。初期の評価では、精度を損なうことなく、元のLoihiで実行されている標準のディープネットワークと比較して、Loihi2での推論あたりの操作数が60分の1に削減されることが示唆されています。 Loihi 2は、より高速で、より柔軟で、より標準的な入出力インターフェースを組み込むことにより、Loihiの実際的な制限に対処します。 Loihi 2チップは、イーサネットインターフェイス、幅広いイベントベースのビジョンセンサーとのグルーレス統合、およびLoihi2チップのより大規模なメッシュネットワークをサポートします。 実際のロボットシステム、従来のプロセッサ、新しいセンサーとのシームレスな統合: Loihi 2は、より高速で柔軟性があり、より標準的な入出力インターフェースを組み込むことで、Loihiの実際的な制限に対処します。 Loihi 2チップは、イーサネットインターフェイス、幅広いイベントベースのビジョンセンサーとのグルーレス統合、およびLoihi2チップのより大規模なメッシュネットワークをサポートします。
Loihi2ニューロモルフィックプロセッシングチップとLavaAPIの詳細については、 Loihi2とLavaAPIの新しい進歩に関するこのテクニカルブリーフについて詳しく説明します。
