Intel heeft de Loihi 2 gelanceerd, zijn tweede generatie neuromorfische researchchip, en Lava, een open-source software-framework voor het ontwikkelen van toepassingen geïnspireerd op neurowetenschappen. Dergelijke chips worden onder meer gebruikt in robots.
Neuromorphic computing, waarbij inzichten uit de neurowetenschappen worden gebruikt om chips te maken die meer als het biologische brein functioneren, streeft naar forse verbeteringen op het gebied van energie-efficiëntie, rekensnelheid en leerefficiëntie in een reeks edge-toepassingen, van beeld, stem- en gebaarherkenning tot zoekacties, robotica en beperkende optimalisatieproblemen.
Mike Davies, directeur van Intel’s Neuromorphic Computing Lab: “Loihi 2 en Lava omvatten inzichten uit verscheidene jaren van gezamenlijk onderzoek met Loihi. Onze tweede generatie chip verbetert de snelheid, programmeerbaarheid en connectiviteit van neuromorfe verwerking aanzienlijk, waardoor het gebruik ervan in door energie en latency beperkte intelligente computertoepassingen wordt uitgebreid. We zijn Lava aan het opensourcen om te voldoen aan de behoefte aan softwareconvergentie, benchmarking en cross-platform inzet in het veld, en om onze vooruitgang naar commerciële levensvatbaarheid te versnellen.”
Robotarmen
Tot de toepassingen die Intel en zijn partners tot nu toe hebben gedemonstreerd, behoren robotarmen, neuromorfe huid en olfactorische detectie.
De onderzoekschip bevat de lessen van drie jaar gebruik met de eerste generatie researchchip en maakt gebruik van de vooruitgang in Intels procestechnologie en asynchrone ontwerpmethoden.
- Dankzij de vooruitgang in Loihi 2 kan de architectuur nieuwe klassen van neuro-geïnspireerde algoritmen en toepassingen ondersteunen, terwijl het tot 10 keer snellere verwerking1 en tot 15 keer grotere resource density2 met verbeterde energie-efficiëntie biedt. Dankzij een nauwe samenwerking met Intels Technology Development Group is Loihi 2 gefabriceerd met een preproductieversie van het Intel 4-proces, wat de gezondheid en de vooruitgang van Intel 4 benadrukt. Het gebruik van extreme ultraviolette (EUV) lithografie in Intel 4 heeft de ontwerpregels voor de lay-out vereenvoudigd in vergelijking met vroegere procestechnologieën. Dit heeft het mogelijk gemaakt Loihi 2 snel te ontwikkelen.
- Het Lava-software-framework voorziet in de behoefte aan een gemeenschappelijk software-framework in de neuromorfische onderzoekscommunity. Lava is een open, modulair en uitbreidbaar raamwerk dat onderzoekers en applicatieontwikkelaars in staat stelt voort te bouwen op elkaars resultaten en deze te convergeren naar een gemeenschappelijke set van tools, methoden en bibliotheken. Lava draait naadloos op heterogene architecturen van conventionele en neuromorfische processoren, waardoor cross-platform-executie en interoperabiliteit met een verscheidenheid aan AI, neuromorfische en robotica-frameworks mogelijk worden. Ontwikkelaars kunnen nu beginnen met het bouwen van neuromorfische toepassingen zonder toegang tot gespecialiseerde neuromorfische hardware en kunnen bijdragen aan de Lava-codebase, inclusief het porten ervan om op andere platformen te draaien.
Toepassingen
Loihi 2 en Lava bieden onderzoekers tools voor het ontwikkelen en karakteriseren van nieuwe neuro-geïnspireerde toepassingen voor real-time verwerking, probleemoplossing, adaptatie en leren. Toepassingen zijn onder meer:
- Snellere en meer algemene optimalisatie: De grotere programmeerbaarheid van Loihi 2 maakt het mogelijk een bredere klasse van moeilijke optimalisatieproblemen te ondersteunen, inclusief real-time optimalisatie, planning en besluitvorming van edge tot datacentersystemen.
- Nieuwe benaderingen voor continu en associatief leren: Loihi 2 verbetert de ondersteuning voor geavanceerde leermethoden, waaronder variaties van backpropagatie, het ‘werkpaard’-algoritme van deep learning. Dit breidt het bereik uit van adaptatie en data-efficiënte leeralgoritmen die kunnen worden ondersteund door low-power formfactors die in online settings opereren.
- Nieuwe neurale netwerken zijn trainbaar door deep learning: Volledig programmeerbare neuronmodellen en gegeneraliseerde spike messaging in Loihi 2 openen de deur naar een breed scala aan nieuwe neurale netwerkmodellen die kunnen worden getraind met deep learning. Vroege evaluaties laten reducties zien van meer dan twee keer minder ops per inferentie op Loihi 2 in vergelijking met standaard diepe netwerken die op Loihi 1 draaien, zonder verlies in nauwkeurigheid3.
- Naadloze integratie met real-world robotica-systemen, conventionele processoren, en nieuwe sensoren: Loihi 2 pakt een praktische beperking van Loihi aan door snellere, flexibelere en meer standaard I/O-interfaces te integreren. De Loihi 2-chips zullen Ethernet-interfaces, naadloze integratie met een breder scala aan event-gebaseerde vision-sensoren en grotere mesh-netwerken van Loihi 2-chips ondersteunen.
