0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

800万神经元神经拟态系统,又一重要里程碑!

7GLE_Intelzhiin 来源:YXQ 2019-07-23 17:36 次阅读

英特尔今天宣布,代号为“Pohoiki Beach”的800万神经元神经拟态系统已经可以供广大研究人员使用,它包含64块Loihi研究芯片。通过Pohoiki Beach,研究人员可以利用英特尔的Loihi研究芯片开展实验,该芯片受到大脑启发,将生物大脑原理应用于计算机体系结构。在稀疏编码、图搜索和约束满足问题等专业应用领域,Loihi能让用户以千倍于CPU的速度和万倍于CPU的效率处理信息

英特尔神经拟态研究芯片Loihi特写镜头。英特尔最新的神经拟态系统Pohoiki Beach由64块Loihi芯片组成

“早些时候,我们对Loihi进行了扩展,以创建更强大的神经拟态系统。我们对这项工作取得的初步成果倍感振奋。Pohoiki Beach现在可供60多个生态系统合作伙伴使用,他们将利用这个专业化系统去解决复杂的计算密集型问题。”

——英特尔研究院院长Rich Uhlig

英特尔研究院院长Rich Uhlig手持一块英特尔Nahuku基板,每块基板包含8到32块英特尔Loihi神经拟态芯片。英特尔最新的神经拟态系统Pohoiki Beach由多块Nahuku基板组成,含64块Loihi芯片

重要意义

引入Pohoiki Beach后,研究人员能够高效扩展新型神经启发式算法——例如稀疏编码、同步定位和建图(SLAM)以及路径规划,这些算法能够根据输入的数据进行学习和调整。Pohoiki Beach是英特尔神经拟态研究工作的重要里程碑,它为英特尔研究院在今年晚些时候将该架构扩展到1亿个神经元的计划奠定了基础。

独特之处

要想根据摩尔定律不断降低功耗并提升性能,需要不仅仅持续微缩制程节点。随着复杂的新型计算工作负载成为常态,人们越来越需要为特定的应用设计专用架构。

从Pohoiki Beach神经拟态系统中,我们可以看到专用架构能为新兴应用带来诸多益处,这些新兴应用包括一些很难由物联网IoT)和自主设备支持的困难的计算问题。利用这种不同于通用计算技术的专用系统,有望在现实世界的众多应用领域实现呈数量级的速度与效率提升,比如自动驾驶汽车、智能家居网络安全等领域。

英特尔Nahuku基板特写镜头,每块基板包含8到32块英特尔Loihi神经拟态芯片。英特尔最新的神经拟态系统Pohoiki Beach由多块Nahuku基板组成,含64块Loihi芯片

研究合作伙伴反馈

通过引入Pohoiki Beach,英特尔将支持全球生态系统合作伙伴继续开拓神经启发式算法研究的下一个前沿。

例如,在本周的Telluride神经拟态认知工程研讨会上,研究人员运用Loihi系统解决神经拟态工程的前沿挑战。这些项目包括让AMPRO假肢更具自适应能力、用新兴的事件相机进行对象跟踪、通过神经拟态传感控制实现桌面足球的自动化操作、学习控制线性倒立摆,以及为iCub机器人电子皮肤提供触觉输入。

除了来自Telluride的相关展示,其他研究合作伙伴已经看到了Loihi带来的巨大效益:

滑铁卢大学教授、应用大脑研究部联合首席执行官Chris Eliasmith表示:“与GPU相比,Loihi芯片运行实时深度学习基准的功耗降低了109倍,而与专用物联网推理硬件相比,功耗则降低了5倍。一个更令人振奋的结果是,当我们将网络规模扩大50倍时,Loihi能够保持实时性能表现,功耗却只增加了30%,物联网硬件的功耗则增加了500%,而且无法保持实时性。”

”“

“借助Loihi,我们建立了一个可模拟大脑潜在神经表征和行为的脉冲神经网络。SLAM解决方案是作为网络结构的一种属性出现的。我们对Loihi上运行的网络进行了基准测试,发现其准确性丝毫不亚于一种广泛应用于移动机器人的在CPU上运行的SLAM方法,但功耗却仅为后者的百分之一”,罗格斯大学的Konstantinos Michmizos教授在介绍其实验室的SLAM研究结果时如是说,他将在11月的智能机器人和系统国际会议(IROS)上发表这些工作成果。

下一步工作

2017年,英特尔推出首款神经拟态研究芯片Loihi,在神经拟态硬件的开发上迈出重要一步。2018年3月,英特尔神经拟态研究社区(INRC)的建立,进一步推动了神经拟态算法、软件和应用程序的开发。通过INRC,英特尔将其Loihi云系统以及基于Loihi的USB形状的系统Kapoho Bay提供给研究人员,Kapoho Bay系统有力推动了有关神经拟态技术实际应用的研究工作。

Pohoiki Beach能为英特尔的研究合作伙伴提供更大的计算规模和更强的计算能力,将进一步加快神经拟态技术的进展。

图中是一块连接到Arria 10 FPGA开发工具包的英特尔Nahuku基板,每块基板包含8到32块英特尔Loihi神经拟态芯片。英特尔最新的神经拟态系统Pohoiki Beach由多块Nahuku基板组成,含64块Loihi芯片

今年晚些时候,英特尔将推出一款代号为“Pohoiki Springs”的Loihi系统,该系统规模更大,并且建立在Pohoiki Beach架构之上,将为扩展型神经拟态工作负载带来前所未有的性能和效率。

英特尔的工程师指出,来自这些研究系统的测量数据有望量化神经拟态计算方法能够带来的增益,并指明最适合这项技术的应用领域。这项研究为神经拟态技术的最终商业化铺平了道路。

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • 英特尔
    +关注

    关注

    60

    文章

    9421

    浏览量

    168811
  • 神经元
    +关注

    关注

    1

    文章

    284

    浏览量

    18319

原文标题:英特尔64芯片神经拟态系统Pohoiki Beach,在研究试验中取得突破性成果

文章出处:【微信号:Intelzhiin,微信公众号:知IN】欢迎添加关注!文章转载请注明出处。

收藏 人收藏

    评论

    相关推荐

    英特尔发布新一代神经拟态系统Hala Point,11.5亿神经元,12倍性能提升

    作为英特尔首个神经元数量达到11.5亿的神经拟态系统,Hala Point为更高效、规模更大的AI开辟了道路。   英特尔发布了代号为Hala Point的大型
    的头像 发表于 04-19 09:43 228次阅读
    英特尔发布新一代<b class='flag-5'>神经</b><b class='flag-5'>拟态</b><b class='flag-5'>系统</b>Hala Point,11.5亿<b class='flag-5'>神经元</b>,12倍性能提升

    一种具有高度柔性与可塑性的超香肠覆盖式神经元模型

    神经科学的研究表明,神经元的学习能力是生物神经系统完成学习和记忆任务的重要基础,这些机理可促使我们在神经元设计和优化方面进一步提高DNN的性
    的头像 发表于 12-04 11:12 211次阅读
    一种具有高度柔性与可塑性的超香肠覆盖式<b class='flag-5'>神经元</b>模型

    科研团队研发自适应神经连接光子处理器

    机器学习中的神经网络需要的是由外部兴奋信号激活并与其他神经元有连接的人工神经元。这些人工神经元之间的连接称为突触,就像生物原始神经元一样。
    发表于 10-30 11:33 102次阅读

    人工神经网络相关资料

    ,但计算机则很难做到这点。 大脑是由生物神经元构成的巨型网络,它在本质上不同于计算机,是种大规模的并行处理系统,它具有学习、联想记忆、综合等能力,并有巧妙的信息处理方法。
    发表于 09-27 06:13

    不可错过!人工神经网络算法、PID算法、Python人工智能学习等资料包分享(附源代码)

    ,是模拟人工智能的重要途径。人工神经网络与人脑相似性主要表现在: ①神经网络获取的知识是从外界环境学习得来的; ②各神经元的连接权,即突
    发表于 09-13 16:41

    《 AI加速器架构设计与实现》+第章卷积神经网络观后感

    的设计十分重要,介绍了GCN模块(如下图2),指出了GCN目前面临的挑战,以及GCN模块之间的关系(如图3)。本书对网络进行抽象,得到多个更小的基本块,例如在残差块中,就出现了不同的变化方法,利用1*1
    发表于 09-11 20:34

    深度学习的神经网络架构解析

    感知器是所有神经网络中最基本的,也是更复杂的神经网络的基本组成部分。它只连接一个输入神经元和一个输出神经元
    发表于 08-31 16:55 849次阅读
    深度学习的<b class='flag-5'>神经</b>网络架构解析

    人工神经网络和bp神经网络的区别

    人工神经网络和bp神经网络的区别  人工神经网络(Artificial Neural Network, ANN)是一种模仿人脑神经元网络结构和功能的计算模型,也被称为
    的头像 发表于 08-22 16:45 3433次阅读

    卷积神经网络和深度神经网络的优缺点 卷积神经网络和深度神经网络的区别

    深度神经网络是一种基于神经网络的机器学习算法,其主要特点是由多层神经元构成,可以根据数据自动调整神经元之间的权重,从而实现对大规模数据进行预测和分类。卷积
    发表于 08-21 17:07 2326次阅读

    文详解CNN

    ,对应数学模型的输入,多个输入有不同的权重 细胞核:用来处理所接收的信息,对应数学模型的sum求和+激活函数f,意味着:当信号大于定阈值时,神经元处于激活状态。 轴突:用来将信息传递给其它神经元
    发表于 08-18 06:56

    压电陶瓷驱动器单神经元自适应磁滞补偿实验

    功率放大器基于Hebb学习规则的压电陶瓷驱动器单神经元自适应磁滞补偿
    发表于 08-03 14:42 0次下载

    什么是神经网络?为什么说神经网络很重要神经网络如何工作?

    神经网络是一个具有相连节点层的计算模型,其分层结构与大脑中的神经元网络结构相似。神经网络可通过数据进行学习,因此,可训练其识别模式、对数据分类和预测未来事件。
    的头像 发表于 07-26 18:28 1971次阅读
    什么是<b class='flag-5'>神经</b>网络?为什么说<b class='flag-5'>神经</b>网络很<b class='flag-5'>重要</b>?<b class='flag-5'>神经</b>网络如何工作?

    神经元 C 参考指南

    神经元 C 参考指南
    发表于 07-04 20:48 0次下载
    <b class='flag-5'>神经元</b> C 参考指南

    神经元汇编语言参考

    神经元汇编语言参考
    发表于 07-04 20:47 0次下载
    <b class='flag-5'>神经元</b>汇编语言参考

    神经元 6050 数据表

    神经元 6050 数据表
    发表于 07-04 20:41 0次下载
    <b class='flag-5'>神经元</b> 6050 数据表