英特爾發(fā)布一系列新進(jìn)展,推進(jìn)神經(jīng)擬態(tài)計(jì)算的應(yīng)用開(kāi)發(fā)

通過(guò)去年發(fā)布的Loihi 2第二代研究芯片和開(kāi)源Lava軟件框架，英特爾研究院正在引領(lǐng)神經(jīng)擬態(tài)計(jì)算的發(fā)展。作為英特爾神經(jīng)擬態(tài)技術(shù)商業(yè)化目標(biāo)的一部分，英特爾研究院正在向開(kāi)發(fā)者提供新工具，以便將開(kāi)發(fā)過(guò)程推進(jìn)到下一階段。例如，8芯片Loihi 2開(kāi)發(fā)板Kapoho Point，就可以通過(guò)堆疊滿足大規(guī)模工作負(fù)載的需求，并可實(shí)現(xiàn)與低延遲事件相機(jī)（event-based vision sensors）的直接互連。

Loihi 2是英特爾的第二代神經(jīng)擬態(tài)研究芯片。它支持新型類腦算法和應(yīng)用程序，提供更快的處理速度與更高的資源密度，同時(shí)提高能效。（圖片來(lái)源：英特爾公司）

此外，英特爾研究院還更新了開(kāi)源Lava框架，以支持可編程神經(jīng)元、整型脈沖神經(jīng)元、卷積網(wǎng)絡(luò)和持續(xù)學(xué)習(xí)。從最新版Lava（v0.5）開(kāi)始，與Loihi 1系統(tǒng)上的相同工作負(fù)載相比，這些新功能使Kapoho Point運(yùn)行深度學(xué)習(xí)應(yīng)用的速度提高了12 倍，能耗也降低了15倍1。 此外，英特爾還通過(guò)英特爾神經(jīng)擬態(tài)研究社區(qū)（INRC）啟動(dòng)了八個(gè)由英特爾贊助的大學(xué)項(xiàng)目。

向社區(qū)成員交付下一代神經(jīng)擬態(tài)系統(tǒng) 

基于Loihi 2的開(kāi)發(fā)板Kapoho Point是一個(gè)緊湊系統(tǒng)（compact system），非常適合從無(wú)人機(jī)到衛(wèi)星和智能汽車的各種小尺寸設(shè)備和應(yīng)用。Kapoho Point可以運(yùn)行包含多達(dá)10億個(gè)參數(shù)的AI模型，也能解決涵蓋多達(dá)800萬(wàn)個(gè)變量的優(yōu)化問(wèn)題。與在CPU上運(yùn)行的先進(jìn)求解器相比，它把速度提高了10倍以上，能耗降低了1000倍。此外，還能通過(guò)堆疊多個(gè)開(kāi)發(fā)板實(shí)現(xiàn)Kapoho Point的擴(kuò)展，以解決更大規(guī)模的問(wèn)題。

基于Loihi 2的開(kāi)發(fā)板Kapoho Point是一個(gè)緊湊系統(tǒng)，非常適合從無(wú)人機(jī)到衛(wèi)星和智能汽車的各種小尺寸設(shè)備和應(yīng)用。（圖片來(lái)源：英特爾公司）

美國(guó)空軍研究實(shí)驗(yàn)室（AFRL）是研究社區(qū)中第一個(gè)啟用Kapoho Point的成員，正在把它用于內(nèi)部研究，涉及基于脈沖神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)以及需要實(shí)時(shí)優(yōu)化的問(wèn)題。數(shù)據(jù)處理與開(kāi)發(fā)高級(jí)科學(xué)家Qing Wu博士表示：“由于美國(guó)空軍研究實(shí)驗(yàn)室的任務(wù)是在空中和太空中進(jìn)行的，這使得移動(dòng)平臺(tái)的空間、重量和功率預(yù)算（power budget）非常有限。對(duì)在這種環(huán)境中運(yùn)行AI算法的需求而言，神經(jīng)擬態(tài)計(jì)算技術(shù)提供了非常出色的計(jì)算解決方案?！?/p>

通過(guò)Lava軟件框架，降低神經(jīng)擬態(tài)開(kāi)發(fā)的門檻

對(duì)開(kāi)源、模塊化且可擴(kuò)展的Lava軟件框架的更新包括面向Loihi 2功能集的一系列改進(jìn)，例如可編程神經(jīng)元、分級(jí)事件和持續(xù)學(xué)習(xí)。

英特爾研究院更新了開(kāi)源Lava框架，以支持可編程神經(jīng)元、整型脈沖神經(jīng)元、卷積網(wǎng)絡(luò)和持續(xù)學(xué)習(xí)。（圖片來(lái)源：英特爾公司）

神經(jīng)擬態(tài)生態(tài)系統(tǒng)項(xiàng)目

英特爾神經(jīng)擬態(tài)研究社區(qū)（INRC）已經(jīng)啟動(dòng)了八個(gè)由英特爾支持的大學(xué)項(xiàng)目，包括喬治梅森大學(xué)、昆士蘭科技大學(xué)、格拉茨技術(shù)大學(xué)、蘇黎世大學(xué) 、布朗大學(xué)、賓夕法尼亞州立大學(xué)、滑鐵盧大學(xué)和哥廷根大學(xué)。

研究項(xiàng)目包括自適應(yīng)機(jī)器人定位、可用于腦機(jī)接口的無(wú)線仿生傳感脈沖解碼、神經(jīng)擬態(tài)貝葉斯優(yōu)化、聽(tīng)覺(jué)特征檢測(cè)以及新型類腦架構(gòu)和算法。

自2018年成立以來(lái)，英特爾神經(jīng)擬態(tài)研究社區(qū)的成員數(shù)已增加到180多個(gè)，包括大學(xué)實(shí)驗(yàn)室、政府機(jī)構(gòu)以及埃森哲、聯(lián)想、羅技和梅賽德斯-奔馳等全球領(lǐng)先企業(yè)。

接下來(lái)，英特爾研究院將為開(kāi)發(fā)人員不斷提供新工具，讓他們能更輕松地開(kāi)發(fā)解決現(xiàn)實(shí)問(wèn)題的應(yīng)用，并繼續(xù)支持社區(qū)研究。

--------------------------------------

1Loihi 2的SDNN結(jié)果是基于2022年9月進(jìn)行的Lava v0.5基準(zhǔn)測(cè)試而得出的，當(dāng)時(shí)在Loihi 2上作為一個(gè)Sigma-Delta神經(jīng)網(wǎng)絡(luò)執(zhí)行了9層PilotNet DNN推理工作負(fù)載，對(duì)比了在Loihi 1上使用SNN頻率編碼執(zhí)行的相同網(wǎng)絡(luò)。從具有相同拓?fù)浣Y(jié)構(gòu)和相同8位參數(shù)數(shù)量的傳統(tǒng)DNN執(zhí)行方式中計(jì)算出的等價(jià)DNN運(yùn)算數(shù)。參看Bojarski、Mariusz等人《面向自動(dòng)駕駛汽車的端到端學(xué)習(xí)》。arXiv預(yù)印版論文arXiv:1604.07316 (2016)。