英特爾將神經形態計算機擴展到1億個神經元

英特爾已經通過將768種Loihi芯片集成到一個名為Pohoiki Springs的5機架系統中來擴展其神經形態計算系統。該基于云的系統將提供給英特爾的神經形態研究社區(INRC)，以支持研究和開發更大，更復雜的神經形態算法。Pohoiki Springs含有相當于1億個神經元，大約與諸如mammal鼠或倉鼠這樣的小型哺乳動物的大腦中的神經元數量相同。

神經形態芯片

英特爾于2017年推出了用于研究應用的Loihi神經形態芯片。它使用稱為尖峰的電脈沖來模仿大腦的結構，其脈沖時間可調節神經元之間連接的強度。這些強度的調制類似于權重如何影響人工神經網絡中參數的影響。

Loihi的體系結構使用極端的并行性，多對多通信和異步信號來模仿大腦的結構(沒有乘法累加單元)。目的是以顯著降低的功率水平為特殊的大腦啟發算法提供性能改進。

英特爾神經形態計算實驗室主任邁克·戴維斯說：“我們以完全不同的方式計算神經網絡，其方式直接受到了神經元實際如何處理信息的啟發。”“這是通過所謂的尖峰信號-神經元被激活，它們以異步事件驅動的方式跨芯片中的所有神經元發送消息，以非常不同的方式處理信息。”Davies解釋說，Loihi不能直接與傳統的AI加速器相提并論，例如由英特爾最近收購的Habana Labs生產的那些。

戴維斯說：“神經形態計算對于一種不同的機制，與大數據不同的利基計算很有用，它可以監督學習問題。”

傳統的深度學習使用大量標簽明確的數據來訓練龐大的網絡，而計算成本卻很高。這推動了更新模型權重所需的巨大I / O帶寬和內存帶寬需求。它也相對較慢。

戴維斯說：“神經形態模型與此完全不同。”“他們正在處理單個數據樣本。批量大小是一種制度，我們稱它為“現實世界”，在這種制度下，現實世界的數據正在到達芯片，并且需要立即進行處理，并在那里以最低的延遲和最低的功耗進行處理。…與邊緣深度學習AI芯片相比，邊緣方面的不同之處在于，我們還在尋找能夠適應并且可以根據深度學習范式不支持的到達的單個數據樣本實時進行實時學習的模型。很好。”

本質上，深度學習加速器和神經形態計算是解決不同類型問題的互補技術。

擴大

英特爾在該領域的先前工作已經生產出了較小的系統，例如Kapoho Bay(2個Loihi芯片，262,000個神經元，大約與果蠅的神經元數量相同)。Kapoho Bay專為邊緣系統算法的開發而設計，已被證明可實時運行手勢識別，讀取盲文并使用視覺界標對其進行定向。這些類型的應用僅消耗數十毫瓦。

然后是Nahuku，這是帶有8-32 Loihis的Intel Arria 10擴展板(Nahukus用于Intel和Cornell的嗅覺傳感實驗)，以及去年夏天宣布的Pohoiki Beach，它具有64個Loihi芯片。

新系統Pohoiki Springs使用8個板，每個板都帶有96個Loihi芯片(以及用于I / O的三個Arria 10 FPGA板)。系統中所有Loihi芯片之間都使用基于峰值的信號，整個5U盒僅消耗300W功率，與使用傳統計算的1U系統所期望的功率大致相同。

算法應用

英特爾有90多個研究小組簽署了其神經形態研究社區的協議，其中包括學術，政府和行業團體。戴維斯說，他們主要專注于開發算法，但最近又增加了包括埃森哲，空中客車，通用電氣和日立在內的商業成員，他們最終將把這些算法應用于與他們的業務有關的問題。

Pohoiki Springs最初將用于開發更大，更復雜，更先進的大腦啟發算法。迄今為止，一些最有趣的應用程序是人腦可以輕松實現的應用程序，但計算機卻很難進行計算。