找回密碼註冊
作者: lin.sinchen
查看: 8756
回復: 0

文章標籤:

文章分享:

+ MORE精選文章:

    + MORE活動推薦:

    SAMSUNG T7 Shield 移動固態硬碟

    [*]超快的移動固態硬碟,比傳統外接 HDD 快 9.5 倍 [*]堅固的儲存 ...

    GEX PRO 850W玩家開箱體驗分享活動

    卓越性能,超值選擇 GEX PRO 系列通過 80 PLUS 金牌認證,實現高達 ...

    體驗極速WiFi 7!MSI Roamii BE Lite Mesh

    第一名 guanrung1110 https://www.xfastest.com/thread-293988-1- ...

    極致效能 為遊戲而生 990 PRO SSD 玩家體驗

    [*]極致效能固態硬碟 [*]PCIe 4.0 速度大幅提升 [*]優化的電源效率 ...

    打印 上一主題 下一主題

    [處理器/主機板] 英特爾將神經形態研究系統擴展至1億個神經元

    [複製鏈接]| 回復
    跳轉到指定樓層
    1#


    英特爾宣布旗下最新且功能最為強大的神經形態研究系統「Pohoiki Springs」已可提供1億個神經元的運算能力。此以雲端為基礎的系統將提供給英特爾神經形態研究社群(Intel Neuromorphic Research Community, INRC)的成員,以擴展其神經形態研究工作,解決更龐大、更複雜的問題。

    英特爾神經形態運算實驗室總監Mike Davies表示:「Pohoiki Springs將英特爾Loihi神經形態研究晶片的運算能力擴展了750倍以上,同時可以低於500瓦的功率執行運算。Pohoiki Springs系統使英特爾的研究合作夥伴能夠探索各種方法,於包括高效能運算(High-Performance Computing, HPC)系統在內的傳統架構上,加速目前執行緩慢的工作負載。」

    Pohoiki Springs為資料中心機架式(rack-mounted)系統,是英特爾迄今為止所研發的最大的神經形態運算系統。Pohoiki Springs將768個Loihi神經形態研究晶片整合在一個具有5台標準伺服器大小的機殼中。

    Loihi處理器從人類大腦獲得靈感。Loihi如同大腦一般,可透過比傳統處理器快1,000倍的速度及高出10,000倍的效率,處理特定需求較高的工作負載。Pohoiki Springs是擴展Loihi系統架構以評估解決人工智慧(Artificial Intelligence, AI)問題與各種運算難題潛力的下一步。英特爾研究人員認為,與當今最先進的傳統電腦相比,神經形態系統的極度並行特性與非同步訊號傳輸特性,可大幅降低功耗並顯著提升效能。

    在自然界中,即使是一些最微小的生物也能解決高度困難的運算問題。例如,儘管許多昆蟲的大腦神經元數量不到100萬個,但牠們仍然可以即時透過視覺來追蹤目標、導航並避開障礙物。

    同樣地,英特爾最小的神經形態系統Kapoho Bay由兩個Loihi晶片和262,000個神經元組成,可支援各種即時的邊緣工作負載。英特爾和INRC研究人員已證明了Loihi能夠即時識別手勢、使用新型人造皮膚讀取盲人點字、透過習得的視覺地標來定位方向、以及學習新的氣味模式,而這些過程皆僅需消耗數十毫瓦的功率。至目前為止,這些小規模的範例已展現卓越的擴展性,與傳統解決方案相比,規模較大的問題在Loihi上可被執行地更快更有效率。這反映了自然界中大腦的可擴展性,從昆蟲到人類大腦皆然。



    Pohoiki Springs擁有1億個神經元,可將Loihi的神經容量增加至小型哺乳類動物大腦的規模,這是邁向未來支援更大、更複雜的神經形態工作負載的重要一步。Pohoiki Springs系統為自主與互聯的未來奠定基礎,提供全新方法來進行即時的動態資料處理。

    包含Pohoiki Springs在內的英特爾神經形態系統仍處於研發階段,且並非為了替代傳統的運算系統。相反地,它們為研究人員提供了一種工具,用於開發和描述新的類神經演算法特性,以進行即時的處理、問題解決、適應和學習。

    INRC成員將透過使用英特爾Nx SDK和社群提供的軟體工具組之雲端系統,在Pohoiki Springs上構建及取得應用程式。

    正在為Loihi開發之具潛力和高度擴展性的演算法範例包括:

    滿足限制:滿足限制的問題在現實世界中無處不在,從數獨遊戲(sudoku)到航空公司的排班調度,或者是包裹運送排程都屬於此類問題的範疇。這類問題需要評估大量潛在的解決方案,以找出滿足特定限制條件的單一或數個解決方案。Loihi能透過高速並行搜尋許多不同的解決方案以加速解決這類問題。

    搜尋圖形與模式:人們每天都在搜尋基於圖形的資料結構,以找到最佳路徑和緊密匹配的模式,例如取得駕駛導航指示方向或辨識人臉。Loihi已證明能夠快速找出圖形中的最短路徑並執行概略圖像搜尋的功能。

    最佳化問題:神經形態結構可被程式化,以達到隨時間變化的動態行為能夠在數學上最佳化特定目標。此行為可用於解決現實世界中的最佳化問題,例如將無線通訊頻道的頻寬最大化,或者配置股票資產組合,達到在特定的目標報酬率之下將風險降至最低。

    CPU和GPU等傳統通用處理器特別擅長處理人類難以完成的任務,例如高精準度的數學運算。然而科技的角色和應用正在不斷擴展。從自動化到人工智慧以及其他領域對電腦的需求越來越高,電腦需要像人腦一樣運作,以即時處理非結構化和充滿雜訊的資料,同時適應各種變化。這項挑戰激發了全新的專門化架構。

    神經形態運算是對電腦架構由下至上的全面反思,以利用神經科學的最新觀點來創建功能更像人腦而非傳統電腦的晶片。神經形態系統在硬體方面複製了神經元的組織、溝通和學習方式。英特爾期望Loihi和未來的神經形態處理器能夠定義一種可程式化運算的全新模型,以滿足全世界對普及且智慧的裝置與日俱增的需求。
    更多圖片 小圖 大圖
    組圖打開中,請稍候......
    您需要登錄後才可以回帖 登錄 | 註冊 |

    本版積分規則

    小黑屋|手機版|無圖浏覽|網站地圖|XFastest  

    GMT+8, 2024-12-23 16:07 , Processed in 0.766781 second(s), 64 queries .

    專業網站主機規劃 威利 100HUB.COM

    © 2001-2018

    快速回復 返回頂部 返回列表