英特尔将神经形态计算机扩展到1亿个神经元

英特尔已经通过将768种Loihi芯片集成到一个名为Pohoiki Springs的5机架系统中来扩展其神经形态计算系统。该基于云的系统将提供给英特尔的神经形态研究社区(INRC)，以支持研究和开发更大，更复杂的神经形态算法。Pohoiki Springs含有相当于1亿个神经元，大约与诸如mammal鼠或仓鼠这样的小型哺乳动物的大脑中的神经元数量相同。

神经形态芯片

英特尔于2017年推出了用于研究应用的Loihi神经形态芯片。它使用称为尖峰的电脉冲来模仿大脑的结构，其脉冲时间可调节神经元之间连接的强度。这些强度的调制类似于权重如何影响人工神经网络中参数的影响。

Loihi的体系结构使用极端的并行性，多对多通信和异步信号来模仿大脑的结构(没有乘法累加单元)。目的是以显着降低的功率水平为特殊的大脑启发算法提供性能改进。

英特尔神经形态计算实验室主任迈克·戴维斯说：“我们以完全不同的方式计算神经网络，其方式直接受到了神经元实际如何处理信息的启发。”“这是通过所谓的尖峰信号-神经元被激活，它们以异步事件驱动的方式跨芯片中的所有神经元发送消息，以非常不同的方式处理信息。”Davies解释说，Loihi不能直接与传统的AI加速器相提并论，例如由英特尔最近收购的Habana Labs生产的那些。

戴维斯说：“神经形态计算对于一种不同的机制，与大数据不同的利基计算很有用，它可以监督学习问题。”

传统的深度学习使用大量标签明确的数据来训练庞大的网络，而计算成本却很高。这推动了更新模型权重所需的巨大I / O带宽和内存带宽需求。它也相对较慢。

戴维斯说：“神经形态模型与此完全不同。”“他们正在处理单个数据样本。批量大小是一种制度，我们称它为“现实世界”，在这种制度下，现实世界的数据正在到达芯片，并且需要立即进行处理，并在那里以最低的延迟和最低的功耗进行处理。…与边缘深度学习AI芯片相比，边缘方面的不同之处在于，我们还在寻找能够适应并且可以根据深度学习范式不支持的到达的单个数据样本实时进行实时学习的模型。很好。”

本质上，深度学习加速器和神经形态计算是解决不同类型问题的互补技术。

扩大

英特尔在该领域的先前工作已经生产出了较小的系统，例如Kapoho Bay(2个Loihi芯片，262,000个神经元，大约与果蝇的神经元数量相同)。Kapoho Bay专为边缘系统算法的开发而设计，已被证明可实时运行手势识别，读取盲文并使用视觉界标对其进行定向。这些类型的应用仅消耗数十毫瓦。

然后是Nahuku，这是带有8-32 Loihis的Intel Arria 10扩展板(Nahukus用于Intel和Cornell的嗅觉传感实验)，以及去年夏天宣布的Pohoiki Beach，它具有64个Loihi芯片。

新系统Pohoiki Springs使用8个板，每个板都带有96个Loihi芯片(以及用于I / O的三个Arria 10 FPGA板)。系统中所有Loihi芯片之间都使用基于峰值的信号，整个5U盒仅消耗300W功率，与使用传统计算的1U系统所期望的功率大致相同。

算法应用

英特尔有90多个研究小组签署了其神经形态研究社区的协议，其中包括学术，政府和行业团体。戴维斯说，他们主要专注于开发算法，但最近又增加了包括埃森哲，空中客车，通用电气和日立在内的商业成员，他们最终将把这些算法应用于与他们的业务有关的问题。

Pohoiki Springs最初将用于开发更大，更复杂，更先进的大脑启发算法。迄今为止，一些最有趣的应用程序是人脑可以轻松实现的应用程序，但计算机却很难进行计算。