英特尔推出了第二代神经拟态计算芯片 Loihi 2，这是第一款基于英特尔 4 工艺技术构建的芯片。Loihi 2专为研究尖端神经形态神经 络而设计，带来了一系列改进。它们包括一个新的神经元指令集，提供更多的可编程性，允许尖峰具有超过 1 和 0 的整数值，并且能够扩展到更大系统的芯片的 3D 格中。
这家芯片制造商还推出了 Lava，这是一种用于开发神经启发应用程序的开源软件框架。英特尔希望让神经形态研究人员参与 Lava 的开发，当它启动并运行时，将允许研究团队建立彼此的工作。
Loihi 是英特尔版本的神经形态硬件，专为受大脑启发的尖峰神经 络 (SNN) 而设计。SNN 用于基于事件的计算，其中输入尖峰的时间对信息进行编码。一般来说，较早到达的尖峰比那些较晚到达的尖峰具有更多的计算效果。
神经形态硬件和标准 CPU 之间的主要区别之一是内存的细粒度分布，这意味着 Loihi 的内存嵌入到单个内核中。由于 Loihi 的峰值依赖于时序，因此该架构是异步的。
“在神经拟态计算中，计算是通过这些动态元素之间的相互作用产生的，”英特尔神经拟态计算实验室主任Mike Davies解释说。“在这种情况下，正是神经元具有这种动态特性，可以在线适应它接收到的输入，而程序员可能不知道芯片要经过哪些步骤才能得出答案的精确轨迹。
“它经历了一个自我组织状态的动态过程，并适应了一些新的条件。我们称之为最终固定点，或平衡状态，是编码您想要解决的问题的答案的东西，”戴维斯补充道。“所以它与我们甚至考虑其他架构中的计算的方式有着根本的不同。”
迄今为止，第一代 Loihi 芯片已在各种研究应用中得到验证，包括自适应机器人手臂控制，其中运动适应系统的变化，减少手臂上的摩擦和磨损。Loihi 能够调整其控制算法以补偿错误或不可预测的行为，使机器人能够以所需的精度运行。Loihi 还用于识别不同气味的系统。在这种情况下，它可以比基于深度学习的等效物更有效地学习和检测新的气味。Deutsche Bahn 的一个项目也使用 Loihi 进行列车调度。系统对轨道关闭或列车停运等变化做出快速反应。
第二代功能
Loihi 2 基于英特尔 4 工艺的预生产版本，旨在在不影响能源效率的情况下提高可编程性和性能。与其前身一样，它的功耗通常约为 100 mW（最高 1 W）。
资源密度的增加是最重要的变化之一；虽然该芯片仍包含 128 个内核，但神经元数量增加了八倍。
“在单个芯片中获得更多的存储、神经元和突触对于商业可行性至关重要……并以对客户应用程序有意义的方式将它们商业化，”戴维斯说。
Lava 软件框架完善了 Loihi 增强功能。该开源项目可供神经形态研究 区使用。
“软件继续阻碍着这个领域，”戴维斯说。“在过去的几年里，并没有太大的进步，与硬件的步伐不同。而且还没有出现单一的软件框架，正如我们在深度学习世界中所看到的那样，TensorFlow 和 PyTorch 获得了巨大的动力和用户群。”
虽然英特尔为 Loihi 演示了一系列应用程序，但开发团队之间的代码共享受到限制。这使得开发人员更难在其他地方取得的进展基础上再接再厉。
戴维斯说，作为一个新项目而不是产品推广，Lava 旨在作为一种构建框架的方式，支持 Loihi 研究人员研究一系列算法。虽然 Lava 的目标是基于事件的异步消息传递，但它也将支持异构执行。这允许研究人员开发最初在 CPU 上运行的应用程序。通过访问 Loihi 硬件，研究人员可以将部分工作负载映射到神经形态芯片上。希望这种方法有助于降低进入门槛。
“我们看到这里需要融合和共同发展，以实现这个更大的目标，这对于神经形态技术的商业化是必要的，”戴维斯说。
Loihi 2 将被开发高级神经形态算法的研究人员使用。用于实验室测试的单芯片系统 Oheo Gulch 最初将提供给研究人员，随后是 Kapoho Point，Kapoho Bay 的八芯片 Loihi 2 版本。Kapoho Point 包括一个以太 接口，旨在允许板堆叠用于需要更多计算能力的机器人等应用。
相关实战：https://www.99qibang.cn/information/b29564bf1f0a45158e25222b15609af8.html
https://www.99qibang.cn/information/388a21582bb942e9a775feb9df65c849.html
https://www.99qibang.cn/information/3f3194af83b84ad3a8c2a8b6368c7c5b.html
https://www.99qibang.cn/information/d123e72e58134dd1bd77d39577debf1c.html
https://www.99qibang.cn/information/453ab9aaba3a4c9cadebbdff61ff257f.html
声明：本站部分文章及图片源自用户投稿，如本站任何资料有侵权请您尽早请联系jinwei@zod.com.cn进行处理,非常感谢！