中国科学院提出图神经网络加速芯片设计，让机器“会思考”设计中“增引擎”

从中国计算机学会获悉，来自中国科学院计算技术研究所的研究团队提出图神经网络加速芯片设计“HyGCN”。

《中国计算机学会通讯》（CCCF）近日刊发了中科院计算所特别研究助理严明玉、研究员范东睿以及研究员叶笑春共同撰写的综述文章《图神经网络加速芯片：人工智能“认知智能”阶段起飞的推进剂》。文章披露，该团队提出了图神经网络加速芯片设计“HyGCN”。相关论文也先后在计算机体系结构国际会议上发表。

严明玉在受访时说，图神经网络在搜索、推荐、风险控制等重要领域有着广泛应用。现有的处理器芯片在执行图神经网络的计算中效率低下，其团队展开面向图神经网络的加速芯片设计，为解决这一难题提供可行方案。

让机器“会思考” 设计中“增引擎”

图神经网络被认为有望解决深度学习无法处理的关系推理、可解释性等一系列问题，让机器“能理解、会思考”。然而由于图神经网络在图数据处理方面的特殊性，传统用于加速神经网络的芯片难以直接对图神经网络的执行提供高效计算支撑。

严明玉解释说，以图数据为输入，融合了深度学习算法和图计算算法的图神经网络具有与传统神经网络不一样的执行行为，即“混合执行行为”。这对现有的处理器结构带来巨大挑战，比如GPU在应对不规则执行行为时极为低效。

“为了应对图神经网络的混合执行行为，我们设计了新的处理器结构，以更高效地加速图神经网络的执行。”严明玉说，HyGCN芯片基于混合结构设计思想，分别为图神经网络的两个主要执行阶段——图遍历阶段和神经网络变换阶段设计相应的加速引擎。

研究团队实践证明，HyGCN芯片设计能够有效应对图神经网络图遍历阶段的不规则性，并能利用神经网络变换阶段的规则性提高执行效率。

目前是“无人区” 计算所正加快孵化

“图神经网络加速芯片目前在国际上还是‘无人区’，研究成果发表后得到了业界认可。”严明玉受访时说，目前中科院计算所正加快对HyGCN科技成果进行孵化，提升关键核心技术能力，推动各行各业从信息化向智慧化升级。

展望图神经网络的应用前景，严明玉举例说，在日常交通预测、网约车调度、金融诈骗侦查、运动检测等场景，在助力科研的知识推理、化学研究、宇宙发现等领域，以及在知识图谱、视觉推理、自然语言处理中的多跳推理等学科发展方向上，都有极大应用空间。

事实上，谷歌地图基于事件树的风险评估、图片社交网站Pinterest的内容推荐、阿里巴巴的风控和推荐、腾讯等公司的视觉和风控等业务中都有图神经网络的影子。有市场研究机构发布报告预测，2022年机器学习芯片市场规模将达到827.2亿美元。图神经网络加速芯片可能将产生300亿美元以上的市场规模。

责任编辑：PSY