Intel|英特尔发新神经形态芯片 31mm2容纳100万人工神经元( 三 )_英特尔发新神经形态芯片|31m

具体运行过程是，芯片上的部分执行单元充当树突，部分基于从过去行为得出的权重处理来自通信网络的传入信号，以确定活动何时超过临界阈值，并在超过时触发其自身的峰值。然后执行单元的“轴突”查找它与哪些其他执行单元进行通信，并向每个执行单元发送一个尖峰信号。
与普通处理器不同，神经形态芯片没有外部RAM（Random-access memory ，随机存储器），而是每个神经元都有自己专用的小型内存，这包括它分配给来自不同神经元的输入的权重，最近活动的缓存，以及发送尖峰信号的所有其他神经元的列表。
神经形态芯片与传统处理器间的另一大区别则是能效。IBM于2014年推出的TrueNorth芯片，使用的功率还不到在传统处理器上模拟尖峰神经网络所需的0.0001% 。英特尔神经拟态计算实验室主任Mike Davies 表示， Loihi在某些特定工作负载上可以比传统处理器高2 ， 000倍。
最新的Loihi 2取得了什么样的新进展？

文章图片

Loihi 2使用了更先进的制造工艺——英特尔第一个EUV工艺节点Intel 4 ，现在每个内核只需要原来所需空间的一半。同时， Loihi 2不仅能够通过二维连接网格进行芯片间的通信，还可以在三维尺度上进行通信，从而大大增加了能处理的神经元总数。每个芯片的嵌入式处理器数量从三个增加到六个，每个芯片的神经元数量增加了八倍。
同时，英特尔表示，它已经通过并优化了所有异步硬件，使 Loihi 2在更新神经元状态时的性能提高了一倍，并将尖峰生成的性能提高了十倍。
另一个主要变化是处理器评估神经元状态以确定是否发送尖峰信号的部分。在原始处理器中，用户可以执行一些简单的数学运算来做出决定。在Loihi 2中，则可以访问简化的可编程管道，执行比较和控制指令流。据科技媒体《Ars》表示， Davies在接受其采访时表示， “你可以将这些程序指定到每个神经元级别，这意味着两个相邻的神经元可以运行完全不同的程序。”
不仅如此， “每个神经元处理其内部记忆的方式也更加灵活——会有一个固定分配和一个可以更动态划分的内存池。”
与Loihi 2同时推出的开源软件框架——Lava
虽然尖峰神经网络（spiking neural networks）可以非常有效地解决很多问题，但目前的一个困难在于，这是一种非常不同的编程类型，需要以同样不同的方式思考算法开发，要怎样找到了解如何使用的人？Davies表示，目前精通它的大多数人都来自理论神经生物学背景。