“英特尔将神经形态计算机扩展到1亿个神经元”

英特尔通过将768种loihi芯片集成到5个机架系统(称为pohoiki springs )中，扩展了神经形态计算系统。 该基于云的系统将提供给英特尔神经形态研究社区( inrc )，以帮助研究和开发更大、更复杂的神经形态算法。 pohoiki springs中含有相当于1亿个的神经元，与mammal小鼠和仓鼠等小型哺乳动物大脑中的神经元数大致相同。

神经形态芯片

英特尔于2007年推出了用于研究应用的loihi神经形态芯片。 利用叫做尖峰的电脉冲模仿大脑结构，其脉冲时间调节神经元之间的连接强度。 这些强度的调制类似于权重如何影响人工神经互联网中参数的影响。

loihi的架构采用极端的并行性，通过多对多通信和异步信号模仿大脑的结构(没有乘法加法单元)。 。 目的是在大幅降低的功率水平上为特殊的大脑启发算法提供性能改善。

英特尔神经形态计算实验室主任迈克·戴维斯说:“我们用完全不同的方法计算神经互联网，其方法直接受到了神经元实际上如何解决新闻的启发。 它由所谓的尖峰信号-神经元激活，以异步的方式驱动，向芯片中的所有神经元发送消息，以非常不同的方式解决新闻。 davies解释说，loihi无法直接与以前流传的ai加速器进行比较。 例如，英特尔最近收购的habana labs生产的是什么？

戴维斯说。 神经形态计算是一种不同的机制，可以帮助进行与大数据不同的利基计算，并监督学习问题。

以前流传下来的深度学习使用由大量标签决定的数据训练了庞大的互联网，但是计算价格很高。 这将促进对更新模型权重所需的i / o带宽和内存带宽的显着要求。 那个也比较慢。

戴维斯说:“神经形态模型与此完全不同。 他们正在解决单一的数据样本。 批量是被称为现实世界的制度。 该制度要求现实世界的数据逐渐到达芯片，必须立即解决，并在那里以最小的延迟和最小的功耗解决。 与边缘深度学习ai芯片相比，边缘方面的不同之处在于，正在寻找能够适应深度学习模式不支持的可到达的各个数据样本并进行实时学习的模型。 非常好。

从本质上说，深度学习加速器和神经形态计算是处理不同类型问题的互补技术。

扩大

英特尔在这个行业以前的工作中生产了像KapohoBay(2 (两个loihi芯片，262，000个神经元，和果蝇数量差不多的神经元)这样的小系统。 kapoho bay是为了开发边缘系统算法而设计的，被展示为可以实时执行手势识别，读取盲文，使用视觉边界线将其定向。 这些类型的应用程序只消耗几十兆瓦。

然后是nahuku。 这是搭载8-32 loihis的intel arria 10扩展板( nahukus用于intel和cornell的嗅觉传感实验)，以及去年夏天发布的pohoiki beach，搭载了64个loihi芯片。

新系统pohoiki springs采用8块板，每块板上有96块loihi芯片(以及用于i / o的3块arria 10 fpga板)。 系统内所有loihi芯片之间采用基于峰值的信号，整个5u盒只消耗300w的功率，与之前传输计算的1u系统所期望的功率大致相同。

算法的应用

在英特尔，包括学术、政府和领域团体在内的90多个研究小组签署了神经形态研究社区协议。 戴维斯表示，他们专注于算法开发，但最近添加了包括艾森、空中客车、通用电气和日立在内的业务成员，最终将这些算法应用于商业相关问题

pohoiki springs最初计划用于开发更大、更多、更复杂、更先进的大脑启发算法。 迄今为止，最感兴趣的应用程序是人脑能够轻松实现的应用程序，但计算机并不容易计算。

本文：《“英特尔将神经形态计算机扩展到1亿个神经元”》