Neuromorphes Computing KI-Chip Loihi 2 vereint eine Million künstliche Neuronen
Anbieter zum Thema
Eine Million Neuronen vereint der neuste Forschungs-Chip von Intel für neuromorphes Computing. Für die Produktion von Loihi 2 kommt erstmals der neue Intel-4-CMOS-Prozess zum Einsatz. Intel erweitert das Ökosystem zudem um ein offenes Software-Framework.

Intel hat Loihi 2 vorgestellt – die zweite Generation seiner Forschungs-Chips für neuromorphes Computing. Parallel dazu hat das Unternehmen Lava veröffentlicht, ein Open-Source-Software-Framework für die Entwicklung neuroinspirierter Anwendungen. Lava soll dazu beitragen, Softwarekonvergenz, Benchmarking und plattformübergreifende Zusammenarbeit im Bereich des neuromorphen Computings zu verbessern – und schneller kommerzielle Produkte entwickeln zu können.
„Loihi 2 und Lava basieren auf den Erkenntnissen aus mehreren Jahren gemeinsamer Forschung mit Loihi“, erklärt Mike Davies, Leiter des Intel-Labors für neuromorphes Rechnen. Der neue Chip sei schneller und weise eine bessere Programmierbarkeit sowie Kapazität der neuromorphen Verarbeitung auf. Dadurch erweitere er die Einsatzmöglichkeiten für intelligente Computeranwendungen, die mit begrenzter Rechenleistung auskommen müssen und auf geringe Latenzzeiten angewiesen sind.
Laut Intel sind in Loihi 2 Erkenntnisse aus drei Jahren Einsatz des Forschungs-Chips der ersten Generation eingeflossen. Zudem nutze er die Fortschritte in Intels Prozesstechnologie und asynchronen Designmethoden. Loihi 2 soll mit seiner Architektur neue Klassen von neuroinspirierten Algorithmen und Anwendungen unterstützen. Nach Angaben des Herstellers verarbeitet er Informationen bis zu 10-mal schneller und erreicht eine bis zu 15-mal höhere Ressourcendichte mit bis zu einer Million Neuronen pro Chip.
Vorserienversion des Intel-4-Prozesses
Loihi 2 wurde in enger Zusammenarbeit mit der Technologieentwicklungsgruppe von Intel mit einer Vorserienversion des Intel-4-Prozesses hergestellt. Diese bisher als 7 nm bezeichnete CMOS-Prozesstechnik wird sich mit TSMCs N4-Prozess messen müssen.
Der Einsatz der Extrem-Ultraviolett-Lithographie (EUV) in Intel 4 hat laut Intel die Regeln für das Layout-Design im Vergleich zu früheren Prozesstechnologien vereinfacht. Dies habe eine schnelle Entwicklung von Loihi 2 ermöglicht.
Lava als übergreifendes Software-Framework
Das Lava-Software-Framework erfülle die Anforderungen eines gemeinsamen Software-Framework in der Forschungsgemeinschaft für neuromorphe Chips. Als offenes, modulares und erweiterbares Framework werde Lava es Forschern und Anwendungsentwicklern ermöglichen, auf den Fortschritten Anderer aufzubauen und sich auf einen gemeinsamen Satz von Werkzeugen, Methoden und Bibliotheken zu einigen, ist Intel überzeugt.
Wie der Konzern mitteilt, läuft Lava nahtlos auf heterogenen Architekturen mit herkömmlichen und neuromorphen Prozessoren und ermöglicht die plattformübergreifende Ausführung und Interoperabilität mit einer Vielzahl von Frameworks für Künstliche Intelligenz, neuromorphe Systeme und Robotik. Entwickler können demnach mit der Entwicklung neuromorpher Anwendungen beginnen, ohne Zugang zu spezieller neuromorpher Hardware zu haben, und können zur Lava-Codebasis beitragen – einschließlich der Portierung auf andere Plattformen.
„Forscher am Los Alamos National Laboratory haben die neuromorphe Loihi-Plattform verwendet, um die Kompromisse zwischen Quanten- und neuromorphem Rechnen zu untersuchen und Lernprozesse auf dem Chip zu implementieren“, sagte Dr. Gerd J. Kunde, Wissenschaftler am Los Alamos National Laboratory. Diese Forschung habe einige aufregende Äquivalenzen zwischen Spiking Neural Networks und Quantum Annealing-Ansätzen zur Lösung schwieriger Optimierungsprobleme aufgezeigt. Auch habe man zeigen können, dass der Backpropagation-Algorithmus, ein grundlegender Baustein für das Training neuronaler Netze, von dem man bisher glaubte, er sei auf neuromorphen Architekturen nicht implementierbar, auf Loihi effizient umgesetzt werden kann.
Was kann der neue Loihi-2-Chip besser?
Intel verspricht erhebliche Verbesserungen gegenüber dem älteren Loihi-Chip:
- Schnellere und allgemeinere Optimierung: Die umfangreichere Programmierbarkeit von Loihi 2 wird es ermöglichen, eine breitere Klasse schwieriger Optimierungsprobleme zu unterstützen, einschließlich Echtzeit-Optimierung, -Planung und -Entscheidungsfindung von Edge- bis zu Rechenzentrumssystemen.
- Neue Ansätze für kontinuierliches und assoziatives Lernen: Loihi 2 verbessere die Unterstützung für fortschrittliche Lernmethoden, einschließlich Variationen von Backpropagation, dem Arbeitsalgorithmus des Deep Learning. Dies erweitert den Umfang der Anpassungs- und dateneffizienten Lernalgorithmen, die von stromsparenden Formfaktoren in Online-Umgebungen unterstützt werden können.
- Neuartige neuronale Netze, die durch Deep Learning trainiert werden können: Vollständig programmierbare Neuronenmodelle und verallgemeinertes Spike-Messaging in Loihi 2 öffnen die Tür zu einer breiten Palette neuer neuronaler Netzwerkmodelle, die mit Deep Learning trainiert werden können. Erste Auswertungen sollen darauf hindeuten, dass Loihi 2 im Vergleich zu standardmäßigen Deep Neural Networks, die auf dem ursprünglichen Loihi laufen, über 60-mal weniger Operationen pro Schlussfolgerung benötigt, ohne dass die Genauigkeit beeinträchtigt wird.
- Nahtlose Integration mit realen Robotersystemen, herkömmlichen Prozessoren und neuartigen Sensoren: Loihi 2 behebt eine praktische Einschränkung seines Vorgängers, indem der Chips schnellere, flexiblere und mehr standardkonforme Eingabe-/Ausgabeschnittstellen enthält. Loihi-2-Chips unterstützen beispielsweise Ethernet-Schnittstellen, die Integration mit einer größeren Anzahl von ereignisbasierten Vision-Sensoren und größere vermaschte Netzwerke von Loihi-2-Chips.
„Fortschritte wie der neue Loihi 2-Chip und die Lava-API sind wichtige Schritte in Richtung neuromorphes Computing“, erläutert Edy Liongosari, Chief Research Scientist und Managing Director bei Accenture Labs. Die neuromorphe Architektur sei entscheidend für die Forschung von Accenture Labs auf dem Gebiet der vom Gehirn inspirierten Computer-Vision-Algorithmen für intelligentes Edge Computing. Dieses könnte künftige Extended-Reality-Headsets oder intelligente mobile Roboter antreiben. „Der neue Chip bietet Funktionen, die ihn für das hyperdimensionale Computing effizienter machen und fortschrittlicheres On-Chip-Lernen ermöglichen, während die Lava-API Entwicklern eine einfachere und optimierte Schnittstelle zum Aufbau neuromorpher Systeme bietet.“
Wege zur Kommerzialisierung des neuromorphen Computings
Die Entwicklung des neuromorphen Computings von der Laborforschung zur kommerziell nutzbaren Technologie ist laut Intel ein dreiteiliges Unterfangen. Es erfordere eine kontinuierliche, iterative Verbesserung der neuromorphen Hardware als Reaktion auf die Ergebnisse der Algorithmus- und Anwendungsforschung; die Entwicklung eines gemeinsamen, plattformübergreifenden Software-Frameworks, damit Entwickler die besten algorithmischen Ideen verschiedener Gruppen vergleichen, integrieren und verbessern können; und eine intensive Zusammenarbeit zwischen Industrie, Hochschulen und Regierungen, um ein reichhaltiges, produktives neuromorphes Ökosystem für die Erforschung kommerzieller Anwendungsfälle aufzubauen, die einen kurzfristigen geschäftlichen Nutzen bieten.
Die jetzigen Ankündigungen würden all diese Bereiche umfassen und einem wachsenden Ökosystem von neuromorphen Forschern neue Werkzeuge in die Hand geben, die das Computing von Grund auf neu überdenken – und Durchbrüche in der intelligenten Informationsverarbeitung möglich machten.
Aktuell bietet Intel engagierten Mitgliedern der Intel Neuromorphic Research Community (INRC) zwei auf Loihi 2 basierende neuromorphe Systeme über die Neuromorphic Research Cloud an: Oheo Gulch, ein Ein-Chip-System für eine frühe Evaluierung, und Kapoho Point, ein Acht-Chip-System, das bald verfügbar sein wird. Das Lava Software Framework steht auf GitHub zum kostenlosen Download bereit. Eine Präsentation und Tutorials zu Loihi 2 und Lava will Intel auf der kommenden Intel Innovation Veranstaltung am 27. und 28. Oktober zeigen.
Dieser Artikel stammt von unserem Partnerportal ElektronikPraxis.
(ID:47734395)