英特尔Pohoiki Beach是一款能够模拟800万个神经元的神经形态计算机

 
神经形态学工程，也称为神经形态计算，描述了使用包含电子模拟电路的系统来模拟神经系统中存在的神经生物学结构。麻省理工学院，Perdue，斯坦福大学，IBM，惠普和其他地方的科学家开创了全栈系统的领域，但可以说，在解决神经形态研究的长期目标之一时，很少有人比英特尔更接近 – 一台超级计算机一千次比今天更强大。
举个例子?今天，在密歇根州底特律举行的国防高级研究计划署(DARPA)2019年电子复兴计划峰会上，英特尔推出了一款代号为“Pohoiki Beach”的系统，这是一款能够模拟800万个神经元的64芯片计算机。英特尔实验室总经理Rich Uhlig表示，Pohoiki Beach将向60个研究合作伙伴提供“推进该领域”并扩展AI算法，如备用编码和路径规划。
“我们对早期的结果印象深刻，因为我们扩展Loihi以创建更强大的神经形态系统。现在，超过60个生态系统合作伙伴可以使用Pohoiki Beach，他们将使用这个专门的系统来解决复杂的计算密集型问题，“Uhlig说。
Pohoiki Beach包含64个128芯，14纳米的Loihi神经形态芯片，这些芯片于2017年10月在俄勒冈州的2018年Neuro Inspired Computational Elements(NICE)研讨会上首次展示。它们具有60毫米的裸片尺寸，包含超过20亿个晶体管，130,000个人工神经元和1.3亿个突触，此外还有三个管理Lakemont核心用于任务编排。独特的是，Loihi具有可编程微码学习引擎，用于异步尖峰神经网络(SNN)的片上训练 – 将时间纳入其操作模型的AI模型，这样模型的组件不会同时处理输入数据。这将用于高效率地实现自适应自修改，事件驱动和细粒度并行计算。
Loihi开发工具链包括Loihi Python API，编译器和一组用于在Loihi上构建和执行SNN的运行时库。它提供了一种通过自定义配置创建神经元和突触图的方法，例如衰减时间，突触权重和尖峰阈值，以及通过自定义学习规则注入外部尖峰来模拟这些图形的方法。
据英特尔称，与传统处理器相比，Loihi处理信息的速度提高了1000倍，效率提高了10,000倍，与常规CPU操作相比，它可以解决某些类型的优化问题，速度和能效提高了三个数量级以上。此外，该芯片制造商声称Loihi保持实时性能结果，并且在扩大50倍时仅使用30%的功率，而传统硬件使用的功率增加500%。它表示芯片消耗的能量比广泛使用的CPU运行的同时定位和映射方法少大约100倍。
“使用[Loihi]，与GPU相比，运行实时深度学习基准测试的功耗降低了109倍，与专用物联网推理硬件相比功耗降低了5倍，”联合首席执行官说。 应用脑研究和滑铁卢大学Chris Eliasmith教授，他的团队可以使用Loihi芯片。
英特尔表示，今年晚些时候它将推出更大的Loihi系统 – Pohoki Springs–它将为超过1亿个神经元的神经形态工作负载提供“前所未有”的性能和效率。 此外，圣克拉拉公司表示，它将继续通过英特尔神经形态研究社区提供对其Loihi云系统和基于Loihi的USB外形系统Kapoho Bay的访问。