Intel запустила Loihi 2: нейроморфный чип следующего поколения с передовым программированием и 3D масштабированием

Intel анонсировала Loihi 2 — свой второе поколение нейроморфного процессора, построенного на pre-production Intel 4 процессном узле. Новый чип адаптирован для исследователей, изучающих spiking neural networks (SNN) следующего поколения, и доставляет существенные выигрыши в программируемости, плотности и масштабируемости.

Loihi 2 вводит полностью программируемый набор инструкций нейрона, позволяющий спайкам нести целые полезные нагрузки вместо бинарных 0/1, используемых в Loihi 1. Это изменение увеличивает выразительность модели и снижает количество нейронов, требуемых для данной задачи.

Помимо железа, Intel представила Lava — open-source программный стек, объединяющий event-driven программирование, гетерогенное выполнение и community-driven обмен кодом. Фреймворк спроектирован для ускорения разработки нейроморфных приложений и моста между исследованием и развертыванием.

В то время как конвенциональные CPU используют мелкозернистую память, Loihi хранит данные непосредственно внутри каждого ядра, обеспечивая по-настоящему асинхронную операцию, соответствующую timing-базированной логике биологических мозгов. Согласно Майку Дэвису, директору лаборатории нейроморфных вычислений Intel, «Вычисления чипа возникают из динамического взаимодействия его элементов, достигая равновесия, кодирующего ответ.»

Прототипы первого поколения Loihi уже были развернуты в разнообразных сценариях: адаптивные контроллеры робо-манипуляторов, снижающие износ, офлякторные системы распознавания, обучающие запахи быстрее deep-learning базлайнов, и движки планирования поездов, реагирующие на real-time нарушения. Эти use cases подчеркивают потенциал платформы для real-world, low-power интеллекта.

Ключевые улучшения в Loihi 2

Loihi 2 обладает 128 ядрами как предшественник, но количество нейронов умножено восемью. Общая площадь кристалла уменьшена вдвое благодаря Intel 4 процессу, доставляя примерно 15-кратный рост емкости сети на квадратный миллиметр. Память разделена на гибкие банки и сжата, освобождая пространство для дополнительных нейронов и синапсов.

С новым набором инструкций разработчики могут программировать кастомные модели нейронов, включающие арифметику, сравнение и control-flow операции. Эта micro-code способность разблокирует более богатые SNN-архитектуры и обеспечивает эффективное отображение сложных алгоритмов.

Спайки на Loihi 2 несут конфигурируемую целочисленную полезную нагрузку, позволяя event-базированную коммуникацию, поддерживающую sigma-delta нейронные сети (SDNN). SDNN вычисляют градации активаций как традиционные DNN, но передают только значительные изменения, предоставляя более быстрый инференс чем строго timing-базированный подход Loihi 1.

Loihi 2 может достигать до 10x ускорения на уровне цепи и обрабатывать сети 5000x быстрее биологических нейронов. Дизайн вводит 3D-масштабирующие порты, позволяющие планарным чип-мешам становиться объемными массивами, с inter-chip полосой пропускания увеличенной в четыре раза и спайковым трафиком сжатым в десять раз. В целом, система доставляет 60-кратный буст емкости для большинства нагрузок.

Three-factor обучение, передовая нейроморфная тренировочная парадигма, теперь поддерживается, позволяя исследователям аппроксимировать back-propagation на железе. Это открывает новые пути для обучения глубоких архитектур прямо на Loihi 2.

Доступность Loihi 2

Исследователи могут приобрести одночиповую плату Oheo Gulch для быстрого прототипирования, за которой следует восьмичиповая система Kapoho Point с Ethernet интерфейсом для stackable развертываний. Эти платы предоставляют низколатентную, высокопропускную платформу для пограничных приложений таких как робототехника.

Lava — Open-Source программная экосистема

Пока железо прогрессировало быстро, программная поддержка отставала. Lava направлена на заполнение этого разрыва, предлагая унифицированный API для event-based, асинхронного программирования и гетерогенного выполнения. Она позволяет разработчикам прототипировать на CPU и затем оффлоадить compute-intensive ядра на Loihi 2, снижая барьер входа и способствуя коллаборации между лабораториями.

Lava хостится на GitHub и приветствует вклады от нейроморфного сообщества. Предоставляя общие строительные блоки и примеры моделей, фреймворк стремится ускорить инновации и драйвить коммерциализацию нейроморфных технологий.

Изначально опубликовано на EE Times.

---

Связанные материалы:

• Обоснование нейроморфных чипов для AI вычислений
• Spiking neural network нацелена на Arm чипы
• Передовые AI чипы для построения на الناشющих память технологиях
• Нейроморфные AI чипы для spiking neural networks дебют
• Коннундрум бенчмаркинга нейроморфных вычислений

Для большего Embedded, подпишитесь на еженедельную email-рассылку Embedded.