第二代研究晶片採用了預生產版本的Intel 4製程工藝，可增長至100萬個神經元，並新增開放軟體框架，以加速開發者創新和商業化程序
英特爾於2021年9月推出其第二代神經擬態研究晶片Loihi 2，支援新型神經啟發演算法和應用，同時提供更快的處理能力，更大資源密度和更高能效。（圖片來源：英特爾公司）
今日，英特爾推出
第二代神經擬態研究晶片Loihi 2
以及
用於開發神經啟發應用的開源軟體框架Lava
，標誌著英特爾在先進神經擬態技術上不斷取得進展。
“
Loihi 2和Lava軟體框架從多年來使用Loihi的合作研究專案中收穫洞察。第二代晶片極大地提高了神經擬態處理的速度、可程式設計性和容量，擴大了在功耗和時延受限的智慧計算應用上的用途。英特爾正在開源Lava，以滿足在實踐中對軟體融合、基準測試和跨平臺合作的需求，並加快商業可行性的程序。
-- 英特爾神經擬態計算實驗室總監
Mike Davies
”
神經擬態計算借鑑了神經系統科學取得的洞察，開發出功能更類似大腦的晶片，追求在一系列邊緣應用中實現能效、計算速度和學習效率的數量級提升，包括從視覺、語音和手勢識別到搜尋檢索、機器人和約束最佳化問題。
迄今為止，英特爾及合作伙伴已展示了
機械臂
、
應用神經擬態晶片的人造面板
和
嗅覺感測
等應用。
關於Loihi 2：
該款研究晶片整合了過去三年使用第一代研究晶片的收穫，並充分利用英特爾製程技術和非同步時鐘設計模式的進展。
●
Loihi 2的進步使該架構得以支援新型神經啟發演算法和應用，提供高達10倍的處理速度①，實現每個晶片最多有100萬個神經元的高達15倍的資源密度②，並同時提高能效。得益於與英特爾技術開發團隊的密切合作。Loihi 2採用了預生產版本的Intel 4製程節點，這凸顯出Intel 4製程工藝的良好進展。與以往的製程技術相比，Intel 4製程節點採用的極紫外光刻（EUV）技術簡化了佈局設計規則，使Loihi 2的快速開發成為可能。
●
Lava軟體框架滿足了神經擬態研究社群對通用軟體框架的需求。作為一個開放、模組化、可擴充套件的框架，Lava將允許研究人員和應用開發人員在彼此取得的成果上進一步開發，並集中到一組通用的工具、方法和函式庫中。同時，Lava能夠在跨越傳統和神經擬態處理器的異構架構上無縫執行，實現跨平臺執行以及與各種人工智慧、神經擬態和機器人框架的互操作性。開發人員無需使用專門的神經擬態硬體即可開始構建神經擬態應用，並且可以為Lava程式碼庫做出貢獻，包括將其移植到其他平臺上執行。
“
洛斯阿拉莫斯國家實驗室的研究人員一直在使用Loihi神經擬態平臺來研究量子計算與神經擬態計算之間的權衡，並在晶片級上實現學習流程。這項研究顯示了脈衝神經網路和量子退火路徑在解決硬最佳化問題上一些激動人心的等效性。除此之外，我們還證明了之前被認為無法在神經擬態架構上實現的反向傳播演算法（訓練神經網路的基本構建模組）可以在Loihi上高效地實現。我們的團隊很高興能夠藉助Loihi 2晶片繼續進行這項研究。
-- 洛斯阿拉莫斯國家實驗室科學家
Gerd J. Kunde
”
關鍵突破：
Loihi 2和Lava為研究人員開發並塑造新的神經啟發應用提供了工具，用於實時處理、問題解決、適應和學習。顯著的技術亮點包括：
●
更快、更通用的最佳化：
Loihi 2更出色的可程式設計性將幫助解決更廣泛的艱難最佳化問題，包括從邊緣到資料中心繫統的實時最佳化、規劃和決策。
●
持續學習和關聯學習的新方法：
Loihi 2改進了對高階學習方法的支援，包括了各種反向傳播演算法（深度學習的主力演算法）。這擴大了適應性和資料高效學習演算法的範圍，使低功耗裝置能支援這些線上學習演算法。
●
可透過深度學習進行訓練的新型神經網路：
Loihi 2中的完全可程式設計神經元模型和廣泛的脈衝資訊傳遞，為各種可在深度學習中進行訓練的新型神經網路模型打開了大門。早期的評估表明，與在原始版本的Loihi上執行的標準深度網路相比，在準確性沒有降低的情況下③，Loihi 2上每次推理的運算次數減少了60多倍。
●
與現實世界的機器人系統、傳統處理器和新型感測器無縫整合：
Loihi 2透過整合更快、更靈活和更標準的輸入/輸出介面，解決了Loihi中客觀存在的一處侷限。Loihi 2晶片將支援乙太網介面，與更廣泛的基於事件的視覺感測器實現無膠合整合，同時Loihi 2晶片還擁有更大的網狀網路。
關於英特爾神經擬態研究社群（INRC）：
英特爾神經擬態研究社群（INRC） 已增加到約 150 個成員機構，今年新增的成員包括福特（Ford）、佐治亞理工學院（Georgia Institute of Technology）、美國西南研究院（SwRI）、美國菲力爾公司（Teledyne FLIR）。新合作伙伴加入了一個由學術團體、政府實驗室和行業夥伴組成的強大社群，它們將與英特爾攜手推動神經擬態計算商業應用的實際落地。
“
Loihi 2和Lava API取得的進展是神經擬態計算的關鍵一環。下一代神經擬態架構對於埃森哲研究室推動類腦計算機視覺演算法至關重要，這些演算法用於智慧邊緣計算，可以對未來的擴充套件現實頭盔或智慧移動機器人的開發提供動力。新晶片提供的功能將大大提升超維計算的效率，並提供更高階的片上學習能力，而Lava API為開發人員提供了一個更簡單、更流暢的介面來構建神經擬態系統。
-- 埃森哲技術研究院首席研究科學家
創新發展與戰略總監
Edy Liongosari
”
商業化之路：
先進的神經擬態計算從實驗室研究走向商業應用需要“三管齊下”。首先，需要根據演算法和應用研究的結果對神經擬態硬體進行持續地迭代改進。其次，還需要開發通用的跨平臺軟體框架，以便開發人員可以對來自不同開發群體的最佳算法理念進行基準測試、整合和改進；最後，產業界、學術界和政府領域之間要深入合作，建立一個豐富、高效的神經擬態生態系統，以探索近期可實現商業價值的落地。
英特爾今天釋出的訊息涵蓋所有這些領域，將新工具交付到不斷壯大的神經擬態生態系統研究人員手中。他們將在此基礎上重新思考計算，從而實現智慧資訊處理方面的突破。
英特爾目前透過神經擬態研究雲服務向加入英特爾神經擬態研究社群（INRC）的成員提供兩個基於Loihi 2的神經擬態系統：用於早期評估的單晶片系統Oheo Gulch和即將開放的八晶片系統Kapoho Point。Lava 軟體框架可在GitHub 上免費下載。Loihi 2和Lava的演示教程將在10月舉辦的“Intel Innovation”活動中呈現。
向上滑動閱覽
更多技術細節請見Loihi 2/Lava產品技術簡介：https：//download。intel。com/newsroom/2021/new-technologies/neuromorphic-computing-loihi-2-brief。pdf
瞭解更多英特爾合作伙伴對Loihi技術的評價：
https：//download。intel。com/newsroom/2021/new-technologies/intel-labs-loihi-2-lava-quotes。pdf
①基於2021年9月對PilotNet DNN 推理負載的9層變體在 Loihi 2上作為Sigma-Delta神經網路進行的Lava模擬測試，對比了在Loihi上透過SNN頻率編碼實施的相同網路。兩種晶片的Lava效能模型都基於矽的特性，使用Nx SDK 1。0。0 版作為執行 Ubuntu 20。04。2版的主機，其中配備了英特爾至強E5-2699 v3 CPU @ 2。30 GHz， 32GB記憶體。Loihi測試結果使用Nahuku-32系統ncl-ghrd-04。Loihi 2測試結果使用Oheo Gulch系統 ncl-og-04。結果可能會有所不同。
②基於核心大小為0。21 mm2 的Loihi 2，最多支援8192個神經元，對比了核心尺寸為0。41 mm2的Loihi，最多支援1024個神經元。
③根據上述9層PilotNet DNN推理負載的測試結果，Loihi 2上的Sigma-Delta神經網路實施了323，815次突觸運算，均方誤差（MSE）為0。035，而Loihi 1上的速率編碼SNN實施了20，250，023次突觸運算，均方誤差（MSE）為0。0412。
©英特爾公司，英特爾、英特爾logo及其它英特爾標識，是英特爾公司或其分支機構的商標。文中涉及的其它名稱及品牌屬於各自所有者資產。
