« informacja prasowa »
Intel Advances Neuromorphic z Loihi 2, nowe oprogramowanie Lava i nowi partnerzy
Chip badawczy drugiej generacji wykorzystuje przedprodukcyjny proces Intel 4, rozrasta się do 1 miliona neuronów. Firma Intel dodaje otwartą strukturę oprogramowania, aby przyspieszyć innowacje programistów i ścieżkę do komercjalizacji.
Co nowego: Dzisiaj firma Intel przedstawiła Loihi 2, swój neuromorficzny układ badawczy drugiej generacji, oraz Lava, platformę oprogramowania open source do tworzenia aplikacji inspirowanych neurologią. Ich wprowadzenie sygnalizuje ciągły postęp firmy Intel w rozwoju technologii neuromorficznej.
„Wnioski dotyczące zbiorów Loihi 2 i lawy z kilku lat wspólnych badań z wykorzystaniem Loihi. Nasz chip drugiej generacji znacznie poprawia szybkość, programowalność i wydajność przetwarzania neuromorficznego, rozszerzając jego zastosowania w inteligentnych aplikacjach obliczeniowych o ograniczonej mocy i opóźnieniach. Jesteśmy otwarci na pozyskiwanie Lava, aby zaspokoić potrzebę konwergencji oprogramowania, testów porównawczych i współpracy międzyplatformowej w terenie, a także przyspieszyć nasz postęp w kierunku rentowności komercyjnej”.
–Mike Davies, dyrektor działu Neuromorphic Computing firmy Intel Laboratorium
Dlaczego to ma znaczenie: obliczenia neuromorficzne, które czerpią spostrzeżenia z neuronauki, aby tworzyć chipy, które działają bardziej jak mózg biologiczny, mają na celu zapewnienie rzędów wielkości ulepszeń w zakresie wydajności energetycznej, szybkości obliczeń i efektywność uczenia się w wielu aplikacjach brzegowych: od rozpoznawania wzroku, głosu i gestów po wyszukiwanie wyszukiwania, robotykę i problemy z ograniczoną optymalizacją.
Aplikacje, które firma Intel i jej partnerzy wykazali do tej pory, obejmują ramiona robotów, skórki neuromorficzne i wyczuwanie węchu.
O Loihi 2: Chip badawczy Ocenia wnioski z trzech lat użytkowania układu badawczego pierwszej generacji i wykorzystuje postęp w technologii procesowej firmy Intel i metodach projektowania asynchronicznego.
Postępy w Loihi 2 pozwalają architekturze obsługiwać nowe klasy neurobiologii inspirowane algorytmami i aplikacjami, które zapewniają do 10 razy szybsze przetwarzanie1, do 15 razy większą gęstość zasobów2 z nawet 1 milionem neuronów na chip i lepszą wydajność energetyczną. Korzystając z bliskiej współpracy z Intel Technology Development Group, Loihi 2 zostało wyprodukowane z przedprodukcyjną wersją procesu Intel 4, który podkreśla kondycję i postęp Intela 4. Zastosowanie litografii w skrajnym ultrafiolecie (EUV) w Intel 4 uprościło zasady projektowania układu w porównaniu z poprzednimi technologiami procesowymi. Umożliwiło to szybkie opracowanie Loihi 2. Struktura oprogramowania Lava odpowiada zapotrzebowaniu na wspólne ramy oprogramowania w neuromorficznej społeczności badawczej. Jako otwarta, modułowa i rozszerzalna platforma Lava pozwoli naukowcom i twórcom aplikacji na wzajemne wykorzystywanie swoich postępów i konwergencję we wspólnym zestawie narzędzi, metod i bibliotek. Lava bezproblemowo działa na heterogenicznych architekturach procesorów konwencjonalnych i neuromorficznych, umożliwiając wykonywanie na wielu platformach i interoperacyjność z różnymi strukturami sztucznej inteligencji, neuromorficznymi i robotyki. Deweloperzy mogą rozpocząć tworzenie aplikacji neuromorficznych bez dostępu do specjalistycznego sprzętu neuromorficznego i mogą wnieść wkład w bazę kodu Lava, w tym przenieść go, aby działał na innych platformach.
„Śledczy z Los Alamos National Laboratory używali platformy neuromorficznej Loihi do badania kompromisy między obliczeniami kwantowymi i neuromorficznymi, a także wdrażanie procesów uczenia się na chipie” – powiedział dr Gerd J. Kunde, naukowiec z Los Alamos National Laboratory. „Badania te wykazały pewne ekscytujące równoważności między impulsowymi sieciami neuronowymi a podejściami do wyżarzania kwantowego w rozwiązywaniu trudnych problemów optymalizacyjnych. Wykazaliśmy również, że algorytm wstecznej propagacji błędów, podstawowy element konstrukcyjny do trenowania sieci neuronowych, który wcześniej uważano za niemożliwy do wdrożenia w architekturach neuromorficznych, może być skutecznie realizowany na Loihi. Nasz zespół jest podekscytowany kontynuacją tych badań z układem Loihi 2 drugiej generacji”.
O kluczowych przełomach: Loihi 2 i Lava zapewniają badaczom narzędzia do opracowywania i charakteryzowania nowych-inspirowane aplikacje do przetwarzania w czasie rzeczywistym, rozwiązywania problemów, adaptacji i uczenia się. Najważniejsze cechy to:
Szybsza i bardziej ogólna optymalizacja: Większa programowalność Loihi 2 pozwoli na obsługę szerszej klasy trudnych problemów optymalizacyjnych, w tym optymalizację w czasie rzeczywistym, planowanie i podejmowanie decyzji od brzegowych po systemy w centrach danych. Nowe podejścia do ciągłego i asocjacyjnego uczenia się: Loihi 2 poprawia obsługę zaawansowanych metod uczenia się, w tym odmian propagacji wstecznej, algorytmu „konia roboczego” głębokiego uczenia. Rozszerza to zakres algorytmów adaptacji i efektywnego uczenia się danych, które mogą być wspierane przez niskoenergetyczne współczynniki kształtu działające w ustawieniach online. Nowatorskie sieci neuronowe, które można trenować za pomocą głębokiego uczenia: W pełni programowalne modele neuronów i uogólnione przesyłanie informacji o skokach w Loihi 2 otwierają drzwi do szerokiej gamy nowych modeli sieci neuronowych, które można trenować w uczeniu głębokim. Wczesne oceny sugerują redukcję o ponad 60 razy mniejszą liczbę operacji na wnioskowanie w Loihi 2 w porównaniu ze standardowymi głębokimi sieciami działającymi na oryginalnym Loihi bez utraty dokładności3. Loihi 2 rozwiązuje praktyczne ograniczenie Loihi, wprowadzając szybsze, bardziej elastyczne i bardziej standardowe interfejsy wejścia/wyjścia. Chipy Loihi 2 będą obsługiwać interfejsy Ethernet, bezklejową integrację z szerszą gamą czujników wizyjnych opartych na zdarzeniach oraz większe sieci oczek chipów Loihi 2. Bezproblemowa integracja z rzeczywistymi systemami robotyki, konwencjonalnymi procesorami i nowatorskimi czujnikami: Loihi 2 rozwiązuje praktyczne ograniczenia Loihi, wprowadzając szybsze, bardziej elastyczne i bardziej standardowe interfejsy wejścia/wyjścia. Chipy Loihi 2 będą obsługiwać interfejsy Ethernet, bezklejową integrację z szerszą gamą czujników wizyjnych opartych na zdarzeniach oraz większe sieci oczek chipów Loihi 2.
Informacje o Neuromorphic Research Community firmy Intel: Intel Neuromorphic Research Community (INRC) rozrósł się do prawie 150 członków, z kilkoma nowymi dodatkami w tym roku, w tym Ford, Georgia Institute of Technology, Southwest Research Institute (SwRI) i Teledyne-FLIR. Nowi partnerzy dołączają do solidnej społeczności partnerów akademickich, rządowych i branżowych, którzy współpracują z firmą Intel, aby stymulować postępy w rzeczywistych komercyjnych zastosowaniach obliczeń neuromorficznych.
„Postępy, takie jak nowy układ Loihi 2 i interfejs Lava API są ważnymi krokami naprzód w neuromorficznych komputerach – powiedział Edy Liongosari, główny naukowiec i dyrektor zarządzający Accenture Labs. „Architektura neuromorficzna nowej generacji będzie miała kluczowe znaczenie dla badań Accenture Labs nad inspirowanymi mózgiem algorytmami widzenia komputerowego na potrzeby inteligentnych obliczeń brzegowych, które mogą zasilać przyszłe zestawy słuchawkowe rozszerzonej rzeczywistości lub inteligentne roboty mobilne. Nowy chip zapewnia funkcje, które sprawią, że będzie on bardziej wydajny w obliczeniach hiperwymiarowych i może umożliwić bardziej zaawansowane uczenie się na chipie, podczas gdy API Lava zapewnia programistom prostszy i bardziej usprawniony interfejs do budowania systemów neuromorficznych”.
Informacje o ścieżce do komercjalizacji: Postępowanie neuromorficznych obliczeń od badań laboratoryjnych do opłacalnej komercyjnie technologii to wysiłek na trzech płaszczyznach. Wymaga ciągłego, iteracyjnego doskonalenia sprzętu neuromorficznego w odpowiedzi na wyniki badań algorytmicznych i aplikacyjnych; opracowanie wspólnej, wieloplatformowej struktury oprogramowania, aby programiści mogli porównywać, integrować i ulepszać najlepsze pomysły algorytmiczne z różnych grup; oraz głęboką współpracę między branżą, środowiskiem akademickim i rządami w celu zbudowania bogatego, wydajnego ekosystemu neuromorficznego do eksploracji zastosowań komercyjnych, które oferują krótkoterminową wartość biznesową.
Dzisiejsze zapowiedzi firmy Intel obejmują wszystkie te obszary, wprowadzając nowe narzędzia do ręce rozwijającego się ekosystemu badaczy neuromorficznych zaangażowanych w ponowne myślenie o komputerach od podstaw, aby zapewnić przełom w inteligentnym przetwarzaniu informacji.
Co dalej: Intel oferuje obecnie dwa oparte na Loihi 2 systemy neuromorficzne za pośrednictwem chmury Neuromorphic Research, aby zaangażować członków INRC: Oheo Gulch, jednoukładowy system do wczesnej oceny i Kapoho Point, ośmiochipowy system, który będzie wkrótce dostępny. Platformę Lava Software Framework można pobrać bezpłatnie na GitHub. Prezentacja i samouczki na temat Loihi 2 i Lava zostaną zaprezentowane na nadchodzącym wydarzeniu Intel Innovation w październiku.
Drobny druk:
1 Na podstawie symulacji Lava we wrześniu, 2021 dziewięciowarstwowego wariantu obciążenia wnioskowania PilotNet DNN zaimplementowanego jako sieć neuronowa sigma-delta na Loihi 2 w porównaniu z tą samą siecią zaimplementowaną z kodowaniem szybkości SNN na Loihi. Model wydajności Lava dla obu chipów opiera się na charakterystyce krzemu przy użyciu Nx SDK w wersji 1.0.0 z procesorem Intel Xeon E5-2699 v3 @ 2,30 GHz, 32 GB pamięci RAM, jako host z systemem Ubuntu w wersji 20.04.2. Wyniki Loihi wykorzystują system Nahuku-32 ncl-ghrd-04. Wyniki Loihi 2 wykorzystują system Oheo Gulch ncl-og-04. Wyniki mogą się różnić.
2 Na podstawie rozmiaru rdzenia Loihi 2 0,21 mm2 obsługującego do 8192 neuronów w porównaniu z rozmiarem rdzenia Loihi wynoszącym 0,41 mm2 obsługującym do 1024 neuronów.
3 Na podstawie pomiarów dziewięciowarstwowych Obciążenie wnioskowania PilotNet DNN, o którym mowa powyżej, z implementacją sieci neuronowej sigma-delta na Loihi 2 osiągającą błąd średniokwadratowy (MSE) 0,035 z 323815 operacjami synaptycznymi w porównaniu z SNN z kodowaniem szybkościowym na Loihi 1 osiągającym MSE 0,0412 z 20 250 023 synaptycznymi operacji.
« koniec komunikatu prasowego »
