«пресс-релиз»
Intel улучшает нейроморфизм с помощью Loihi 2, New Lava Software Framework и новых партнеров
Исследовательский чип второго поколения использует предсерийный процесс Intel 4, увеличивающийся до 1 миллиона нейронов. Intel добавляет платформу открытого программного обеспечения для ускорения разработки инноваций и продвижения к коммерциализации.
Что нового. Сегодня Intel представила Loihi 2, свой нейроморфный исследовательский чип второго поколения, и Lava, программную платформу с открытым исходным кодом для разработки приложений, основанных на нейронах. Их появление свидетельствует о постоянном прогрессе Intel в развитии нейроморфных технологий.
«Loihi 2 и Lava собирают информацию, полученную в результате нескольких лет совместных исследований с использованием Loihi. Наш чип второго поколения значительно улучшает скорость, программируемость и мощность нейроморфной обработки, расширяя его возможности использования в интеллектуальных вычислительных приложениях с ограничениями по мощности и задержкам. Мы открываем исходный код Lava, чтобы удовлетворить потребность в конвергенции программного обеспечения, сравнительном анализе и межплатформенном сотрудничестве в этой области, а также для ускорения нашего продвижения к коммерческой жизнеспособности ».
-Майк Дэвис, директор подразделения нейроморфных вычислений Intel Лаборатория
Почему это важно: нейроморфные вычисления, основанные на знаниях нейробиологии для создания микросхем, которые больше похожи на биологический мозг, стремятся обеспечить повышение энергоэффективности, скорости вычислений и эффективность обучения в различных периферийных приложениях: от распознавания зрения, голоса и жестов до поиска, робототехники и задач ограниченной оптимизации.
На сегодняшний день Intel и ее партнеры продемонстрировали такие приложения, как роботизированные руки, нейроморфные оболочки и обонятельное ощущение.
О Loihi 2: исследовательский чип incorpor извлекает уроки из трехлетнего использования исследовательского чипа первого поколения и использует достижения Intel в технологических процессах и методах асинхронного проектирования.
Достижения в Loihi 2 позволяют архитектуре поддерживать новые классы нейронных сетей.-алгоритмы и приложения, обеспечивающие до 10 раз более быструю обработку1, до 15 раз большую плотность ресурсов2 с использованием до 1 миллиона нейронов на чип и повышенную энергоэффективность. Благодаря тесному сотрудничеству с Intel Technology Development Group, Loihi 2 был изготовлен с использованием предварительной версии процесса Intel 4, что подчеркивает здоровье и прогресс Intel 4. Использование литографии в крайнем ультрафиолете (EUV) в Intel 4 упростила правила проектирования компоновки по сравнению с прошлыми технологическими процессами. Это позволило быстро разработать Loihi 2. Программный фреймворк Lava удовлетворяет потребность в общем программном фреймворке в сообществе нейроморфных исследователей. Как открытая, модульная и расширяемая среда Lava позволит исследователям и разработчикам приложений опираться на достижения друг друга и использовать общий набор инструментов, методов и библиотек. Lava без проблем работает на гетерогенных архитектурах с использованием обычных и нейроморфных процессоров, обеспечивая кроссплатформенное выполнение и взаимодействие с различными фреймворками искусственного интеллекта, нейроморфными и робототехническими системами. Разработчики могут начать создавать нейроморфные приложения без доступа к специализированному нейроморфному оборудованию и могут внести свой вклад в базу кода Lava, в том числе портировать его для работы на других платформах.
«Исследователи из Национальной лаборатории Лос-Аламоса использовали нейроморфную платформу Loihi для исследования компромисс между квантовыми и нейроморфными вычислениями, а также реализация процессов обучения на кристалле »,-сказал доктор Герд Дж. Кунде, научный сотрудник Лос-Аламосской национальной лаборатории. «Это исследование показало захватывающую эквивалентность между нейронными сетями с пиками и подходами квантового отжига для решения сложных задач оптимизации. Мы также продемонстрировали, что алгоритм обратного распространения ошибки, фундаментальный строительный блок для обучения нейронных сетей и ранее считавшийся невозможным для нейроморфных архитектур, может быть эффективно реализован на Loihi. Наша команда рада продолжить это исследование с чипом Loihi 2 второго поколения ».
<1xО ключевых достижениях: Loihi 2 и Lava предоставляют исследователям инструменты для разработки и описания новых нейрохимических-вдохновляющие приложения для обработки в реальном времени, решения проблем, адаптации и обучения. Примечательные особенности включают:
Более быстрая и более общая оптимизация: большая программируемость Loihi 2 позволит поддерживать более широкий класс сложных задач оптимизации, включая оптимизацию в реальном времени, планирование и принятие решений. от периферии до систем центра обработки данных. Новые подходы к непрерывному и ассоциативному обучению: Loihi 2 улучшает поддержку передовых методов обучения, включая варианты обратного распространения ошибки, алгоритма рабочей лошадки глубокого обучения. Это расширяет возможности адаптации и алгоритмов обучения с эффективным использованием данных, которые могут поддерживаться маломощными форм-факторами, работающими в онлайн-настройках. Новые нейронные сети, обучаемые с помощью глубокого обучения. Полностью программируемые модели нейронов и общий обмен сообщениями о всплесках в Loihi 2 открывают двери для широкого спектра новых моделей нейронных сетей, которые можно обучить с помощью глубокого обучения. Ранние оценки предполагают сокращение числа операций на вывод на Loihi 2 более чем в 60 раз по сравнению со стандартными глубокими сетями, работающими на исходной Loihi, без потери точности3. Loihi 2 устраняет практическое ограничение Loihi за счет включения более быстрых, гибких и стандартных интерфейсов ввода/вывода. Микросхемы Loihi 2 будут поддерживать интерфейсы Ethernet, бесклеевую интеграцию с более широким спектром датчиков технического зрения на основе событий и более крупные ячеистые сети на основе микросхем Loihi 2. Полная интеграция с реальными робототехническими системами, обычными процессорами и новыми датчиками: Loihi 2 устраняет практические ограничения Loihi за счет включения более быстрых, гибких и стандартных интерфейсов ввода/вывода. Микросхемы Loihi 2 будут поддерживать интерфейсы Ethernet, беспроблемную интеграцию с более широким спектром датчиков технического зрения на основе событий и более крупные ячеистые сети из микросхем Loihi 2.
О сообществе Intel Neuromorphic Research: Intel Neuromorphic Research Community (INRC) выросла до почти 150 членов, к числу которых в этом году присоединились несколько новых членов, в том числе Ford, Технологический институт Джорджии, Юго-Западный исследовательский институт (SwRI) и Teledyne-FLIR. Новые партнеры присоединяются к сильному сообществу научных, государственных и отраслевых партнеров, которые работают с Intel над продвижением вперед в реальном коммерческом использовании нейроморфных вычислений.
«Достижения, такие как новый чип Loihi 2 и Lava API.-важные шаги вперед в развитии нейроморфных вычислений »,-сказал Эди Лионгосари, главный научный сотрудник и управляющий директор Accenture Labs. «Нейроморфная архитектура нового поколения будет иметь решающее значение для исследований Accenture Labs по вдохновленным мозгом алгоритмам компьютерного зрения для интеллектуальных периферийных вычислений, которые могут использоваться в будущих гарнитурах расширенной реальности или интеллектуальных мобильных роботах. Новый чип предоставляет функции, которые сделают его более эффективным для гиперпространственных вычислений и могут обеспечить более продвинутое обучение на кристалле, в то время как Lava API предоставляет разработчикам более простой и оптимизированный интерфейс для создания нейроморфных систем ».
О пути к коммерциализации: Переход нейроморфных вычислений от лабораторных исследований к коммерчески жизнеспособной технологии-это три направления. Это требует постоянного итеративного улучшения нейроморфного оборудования в ответ на результаты алгоритмических и прикладных исследований; разработка общей кроссплатформенной программной среды, чтобы разработчики могли тестировать, интегрировать и улучшать лучшие алгоритмические идеи из разных групп; и тесное сотрудничество между отраслями, академическими кругами и правительствами для создания богатой, продуктивной нейроморфной экосистемы для изучения вариантов коммерческого использования, которые принесут пользу для бизнеса в ближайшем будущем.
Сегодняшние объявления Intel охватывают все эти области, добавляя новые инструменты в руками расширяющейся экосистемы нейроморфных исследователей, занятых переосмыслением вычислений с самого начала, чтобы обеспечить прорыв в интеллектуальной обработке информации.
Что дальше: Intel в настоящее время предлагает два на базе Loihi 2 нейроморфные системы через облако нейроморфных исследований для вовлеченных членов INRC: Oheo Gulch, однокристальная система для ранней оценки, и Kapoho Point, восьмичиповая система, которая будет доступна в ближайшее время. Платформа программного обеспечения Lava доступна для бесплатной загрузки на GitHub . Презентация и учебные материалы по Loihi 2 и Lava будут представлены на предстоящем мероприятии Intel Innovation в октябре.
Мелкий шрифт:
1 На основе моделирования лавы в сентябре, 2021 девятиуровневого варианта рабочей нагрузки вывода PilotNet DNN, реализованной как сигма-дельта нейронная сеть на Loihi 2, по сравнению с той же сетью, реализованной с кодированием скорости SNN на Loihi. Модель производительности Lava для обоих чипов основана на характеристике кремния с использованием Nx SDK версии 1.0.0 с процессором Intel Xeon E5-2699 v3 @ 2,30 ГГц, 32 ГБ ОЗУ в качестве хоста под управлением Ubuntu версии 20.04.2. Результаты Loihi используют систему Nahuku-32 ncl-ghrd-04. Результаты Loihi 2 используют систему Oheo Gulch ncl-og-04. Результаты могут отличаться.
2 На основе размера ядра Loihi 2 0,21 мм2, поддерживающего до 8192 нейронов, по сравнению с размером ядра Loihi 0,41 мм2, поддерживающим до 1024 нейронов.
3 На основе измерений девятислойного Рабочая нагрузка по выводу DNN PilotNet, о которой говорилось выше, с реализацией сигма-дельта нейронной сети на Loihi 2, достигающей среднеквадратичной ошибки (MSE) 0,035 при 323815 синаптических операциях по сравнению с SNN с кодировкой скорости на Loihi 1, достигающей MSE 0,0412 при 20 250 023 синаптических операциях. операций.
«конец пресс-релиза»