今天,英特尔发布了第二代神经拟态芯片 Loihi 2。
神经拟态芯片是一种模拟生物神经元的芯片。
与普通芯片不同的是,神经拟态芯片的计算任务是由许多小单元进行的,单元之间通过类似生物神经的尖峰信号相互通信,并通过尖峰调整其行为。
目前,英特尔已经将这种芯片用于机械臂、神经拟态皮肤、机器嗅觉等场景。
2018 年初,英特尔推出了其首款神经拟态芯片 Loihi,采用 14nm 制程。
英特尔表示,Loihi 2 是对第一代的重大升级,也是使用英特尔第一个 EUV 工艺节点 Intel 4 制造的芯片,意为等效于 4nm,实际为 7nm 工艺。
由于使用了全新工艺,Loihi 2 相比前代面积缩小了一半,但仍然包含 100 万个神经元,数量是前代的 8 倍,处理速度是前代的 10 倍。
Loihi 2 共有 128 个神经拟态核心,这 128 个内核每一个都有 192KB 的灵活内存,每个神经元可以根据模型分配多达 4096 个状态,而之前的限制只有 24 个。
与普通的 CPU 和 GPU 不同,神经拟态没有外部内存。每个神经元都有一小部分内存供其专用。主要作用是分配给不同神经元输入的权重、最近活动的缓存以及峰值发送到的所有其他神经元的列表。
Loihi 2 可以根据用途选择各种不同连接选项,这一点上有些类似于 FPGA。
除了硬件产品外,英特尔还发布了用于 Loihi 芯片的软件,一个名为 Lava 的新开发框架。
该框架以及相关库都用 Python 编写,并在 GitHub 上开源,开发人员无需访问硬件即可为 Loihi 开发程序。
生物神经元包含树突和轴突。
Loihi 芯片上执行单元的一部分充当“树突”,根据过去行为的权重处理来自通信网络的传入信号。
然后它使用数学公式来确定活动何时越过临界阈值,并在超过临界阈值时触发其自身的尖峰信号。之后执行单元的“轴突”查找与哪些其他执行单元通信,并向每个执行单元发送尖峰信号。
为何要研究这种类型芯片?神经拟态计算的倡导者认为,这种方法更接近地模拟大脑功能的实际特征,例如大脑传输信号超高的能效比。
而研究深度学习学者,批评神经形态方法没有取得实际成果,像 ResNet 等深神经网络已经在计算机视觉上取得了巨大的成功。
Yann LeCun 曾在 2019 年的一次会议上驳斥了神经拟态计算方法。
虽然神经拟态计算的研究热度远不及神经网络,但神经拟态芯片的优点在于其能效远高于传统处理器。
IBM 于 2014 年推出了 TrueNorth 芯片,尽管其运行频率只有几 kHz,但它所模拟大脑尖峰神经网络所需的计算资源,只是传统处理器的 0.0001%。
英特尔神经形态计算实验室主任 Mike Davies 表示,Loihi 在某些特定工作负载上,可以比传统处理器效率高出 2000 倍。
此外,神经拟态计算还能实现动态学习行为。
神经网络非常善于识别训练过的事物,但不够灵活,无法识别他们没有训练的东西。Davies 曾展示了神经拟态计算根据视频输入学会识别新的手势,同时不损坏之前训练的能力。
Davies 认为,神经拟态芯片在机器人学中有很多潜在的应用。当移动机器人发现自己面临新环境时,它们必须足够灵活,以识别和适应新环境。
参考链接:
[1]https://www.intel.com/content/www/us/en/newsroom/news/intel-unveils-neuromorphic-loihi-2-lava-software.html
[2]https://www.anandtech.com/show/16960/intel-loihi-2-intel-4nm-4
[3]https://www.zdnet.com/article/intel-rolls-out-second-gen-loihi-neuromorphic-chip/
广告声明:文内含有的对外跳转链接(包括不限于超链接、二维码、口令等形式),用于传递更多信息,节省甄选时间,结果仅供参考,IT之家所有文章均包含本声明。