JavaScript is currently disabled.Please enable it for a better experience of Jumi.
Annonsera Utgivningsplan Månadsmagasinet Prenumerera Konsultguide Om oss  About / Advertise

Version två av Intels neuromorfa chip Loihi är mer konfigurerbart både vad gäller neuronfunktion och algoritmer. Det sträcker till och med ut en hand till en annan neuronnätsdisciplin – Deep Learning.

Det har gått fyra år sedan premiären av Intels AI-forskningschip Loihi.  Det nya chipet byter process från Intel 14 nm till Intel 4 – ja, detta är Intels första EUV-process som gör smygpremiär innan den skarpa debuten nästa år. Måttet ”nanometer” dumpas i beteckningen eftersom det blivit mindre och mindre deskriptivt för varje ny processgeneration. 

Mindre processtorlek alltså. Men å andra sidan halveras ytan. Så nya Loihi innehåller bara snäppet fler transistorer: 2,3 mot 2,1 miljarder. 

De intressanta nyheterna finns istället i arkitektur och utvecklingsmodell.

Loihi vänder sig till forskare inom ett forskningsprogram som kallas neuromorfa beräkningar som försöker bygga beräkningsmaskiner med inspiration av hur biologiska neuroner arbetar och samarbetar.

Neuronnätsinspirerade beräkningar har nått extrema framgångar i ett fält kallat Deep Learning. Neuromorfa beräkningar kan beskrivas som grundforskning inom samma område. Går det att göra ytterligare fynd genom att gräva ännu djupare i de biologiska näten?

Det gamla chipet var skräddarsytt för en viss neuronnätsmodell som kallas Leaky Integrate and Fire (LIF). Den innebär att neuroner signalerar asynkront med varandra och skickar signaler, spikpulser, varje gång summan av mottagna spikpulser minus ett exponentiellt läckage når över ett tröskelvärde.

I det nya chipet är neuronerna fullt programmerbara. Du kan alltså återskapa vilket neuronbeteende du vill, så länge som det ryms i minnet och du kan uttrycka det i en uppsättning konventionella cpu-instruktioner.

Minnesstorleken är konfigurerbar – det fysiska minnet plockas ur en gemensam pott – för ytterligare flexibilitet och för att spara minne, exempelvis till en fjärdedel när en enkel variant av nämnda LIF används.

Spikpulserna i Loihi 1 var bara ettor och nollor. Nu är de 32-bitars heltal som du som sagt kan använda precis som vill, inte bara integrera. Internt i neuronen kan du komprimera dem till färre bitar för att spara minne.

De första chipen sitter på instickskort avsedda för molnservrar eller utvärdering. Det första kortet har ett chip. Ett kort med åtta chip är under utveckling. 

En spännande möjlighet är att Loihi 2 så blir ”Deep learning-kompatibel”. Deep Learning är ett annat  utvecklingsspår kring artificiella neuronnät som redan tillämpas industriellt i stor skala med stor framgång. Du kan nu träna ett Lohi-nät med hjälp av den centrala Deep Learning-träningsalgoritmen backpropagation. 

Orsaken är att Loihi 2 adderat möjligheten att skicka data uppströms. Det används för att återkoppla storleken på felet i utdata jämfört med facit, för att neuroner uppströms ska kunna justera sina vikter för att minska felet i utdata till nästa gång samma indata presenteras.

Läs om fler arkitekturnyheter här (länk) exempelvis om stöd för att hantera konvolutionsnät effektivare. Sådana används vid bildigenkänning. 

Det finns också ett flertal tekniska nyheter i hårdvaran, som stöd för 10 Gbit Ethernet och effektivare skalning till multichipsystem. 

Tillsammans med det nya chipet släpper Intel ett nytt programspråk för att specificera neuromorf arkitektur. Det heter Lava och Intel hoppas att det ska få användare bortom den egna hårdvaran – det är fritt fram att hjälpa att sprida Lava genom att portera den till din egen processor.

Loihis community har idag 150 medlemmar.

 

MER LÄSNING:
 
Pappersmagasinet Nyhetsbrev
SENASTE KOMMENTARER
Kommentarer via Disqus

Vi gör Elektroniktidningen

Anne-Charlotte Sparrvik

Anne-Charlotte
Sparrvik

+46(0)734-171099 ac@etn.se
(sälj och marknads­föring)
Per Henricsson

Per
Henricsson
+46(0)734-171303 per@etn.se
(redaktion)

Anna Wennberg

Anna
Wennberg
+46(0)734-171311 anna@etn.se
(redaktion)

Jan Tångring

Jan
Tångring
+46(0)734-171309 jan@etn.se
(redaktion)