Intel大型神经拟态系统Hala Point集成11.5亿神经元 比人脑快200倍

Intel大型神经拟态系统Hala Point集成11.5亿神经元 比人脑快200倍 Loihi 2处理器早在2021年就已发布，首发采用Intel 4工艺，集成230亿个晶体管、六个低功耗x86核心、128个神经形态核心，单颗就有100万个神经元、1.2亿个突触，是上代规模的8倍，性能也提升了10倍。Loihi 2应用了众多类脑计算原理，如异步、基于事件的脉冲神经网络(SNN)、存算一体不断变化的稀疏连接，而且神经元之间能够直接通信，不需要绕过内存。尤其是在新兴的小规模边缘工作负载上，它实现了效率、速度和适应性数量级的提升。比如执行AI推理负载和处理优化问题时， Loihi 2的速度比常规CPU和GPU架构快多达50倍，能耗则只有百分之一。Hala Point系统的形态是一个六机架的数据中心机箱，大小相当于一个微波炉，内置1152颗Loihi 2处理器，共有140544个神经形态处理内核、11.5亿个神经元、1280亿个突触，最大功耗仅为2600瓦。系统内还有2300多颗嵌入式x86处理器，用于辅助计算。内存带宽达16PB/s(16000TB/s)，内核间通信带宽达3.5PB/s(3500TB/s)，芯片间通信带宽达5TB/s，可以每秒处理超过380万亿次的8位突触运算、超过240万亿次的神经元运算。Hala Point在主流AI工作负载上的计算效率非常出色，比如运行传统深度神经网络时，每秒可完成多达2万万亿次运算(20PFlops)，8位运算的能效比达到了15TOPS/W(每瓦特15万亿次计算)，相当于甚至超过了基于GPU、CPU的架构。在用于仿生脉冲神经网络模型时，Hala Point能够以比人脑快20倍的实时速度，运行其全部11.5亿个神经元。尤其是在运行神经元数量较低的情况下，它的速度甚至可比人脑快200倍！早期研究结果表明，通过利用稀疏性高达10比1的稀疏连接和事件驱动的活动，Hala Point运行深度神经网络的能效比可高达15TOPS/W，同时无需对输入数据进行批处理。Hala Point系统有望推动多领域AI应用的实时持续学习，比如科学研究、工程、物流、智能城市基础设施管理、大语言模型、AI助手等等。 ... PC版： 手机版：

可调谐忆阻器的研发进展有助于人工神经网络更高效处理随时间变化的数据

可调谐忆阻器的研发进展有助于人工神经网络更高效处理随时间变化的数据 人工神经网络也许很快就能更高效地处理随时间变化的信息，如音频和视频数据。密歇根大学领导的一项研究在今天的《自然-电子学》（Nature Electronics）杂志上报告了首个具有可调节"弛豫时间"的忆阻器。忆阻器是一种将信息存储在电阻中的电子元件，与当今的图形处理单元相比，它可以将人工智能的能源需求降低约 90 倍。预计到 2027 年，人工智能的耗电量将占全球总耗电量的一半左右，而且随着越来越多的公司销售和使用人工智能工具，这一比例还有可能进一步上升。"现在，人们对人工智能很感兴趣，但要处理更大、更有趣的数据，方法就是扩大网络规模。这效率并不高，"麻省理工大学詹姆斯-R-梅勒工程学教授 Wei Lu 说，他与麻省理工大学材料科学与工程学副教授 John Heron 是这项研究的共同通讯作者。图形处理器的问题问题在于，GPU 的运行方式与运行人工智能算法的人工神经网络截然不同整个网络及其所有互动都必须从外部存储器中顺序加载，这既耗时又耗能。相比之下，忆阻器可以节省能源，因为它们模仿了人工神经网络和生物神经网络在没有外部存储器的情况下运行的主要方式。在某种程度上，忆阻器网络可以体现人工神经网络。麻省理工学院材料科学与工程系应届博士毕业生 Sieun Chae 与麻省理工学院电气与计算机工程系应届博士毕业生 Sangmin Yoo 是这项研究的共同第一作者。在生物神经网络中，计时是通过放松来实现的。每个神经元都会接收电信号并将其发送出去，但这并不能保证信号会向前推进。在神经元发送自己的信号之前，必须先达到接收信号的某个阈值，而且必须在一定时间内达到该阈值。如果时间过长，神经元就会随着电能的渗出而松弛。神经网络中具有不同松弛时间的神经元有助于我们理解事件的顺序。忆阻器如何工作忆阻器的工作原理略有不同。改变的不是信号的存在与否，而是有多少电信号可以通过。接触到一个信号，忆阻器的电阻就会降低，从而允许更多的下一个信号通过。在忆阻器中，弛豫意味着随着时间的推移，电阻会再次上升。Lu 的研究小组过去曾探索过在忆阻器中加入弛豫时间，但这并不是可以系统控制的。但现在，Lu 和 Heron 的团队已经证明，基础材料的变化可以提供不同的弛豫时间，从而使忆阻器网络能够模仿这种计时机制。材料成分和测试研究小组在超导体 YBCO（由钇、钡、碳和氧制成）的基础上构建了这些材料。YBCO在零下292华氏度的温度下没有电阻，但他们想要它的晶体结构。它引导着镁氧化物、钴氧化物、镍氧化物、铜氧化物和锌氧化物在忆阻器材料中的组织。赫伦称这种熵稳定氧化物为"原子世界的厨房水槽"添加的元素越多，它就越稳定。通过改变这些氧化物的比例，研究小组获得了 159 到 278 纳秒（即万亿分之一秒）的时间常数。他们构建的简单忆阻器网络学会了识别 0 到 9 数字的发音。一旦经过训练，它就能在音频输入完成之前识别出每个数字。未来展望这些忆阻器是通过能源密集型工艺制造的，因为研究小组需要完美的晶体来精确测量它们的特性，但他们预计，更简单的工艺也适用于大规模制造。赫伦说："到目前为止，这只是一个愿景，但我认为有一些途径可以使这些材料具有可扩展性，而且价格合理。这些材料是地球上丰富的资源，无毒、廉价，你几乎可以把它们喷洒在上面。"编译来源：ScitechDailyDOI: 10.1038/s41928-024-01169-1 ... PC版： 手机版：

人们容易陷入的另一个认知误区：必须先理解技术原理，才能更好地运用人工智能。

人们容易陷入的另一个认知误区：必须先理解技术原理，才能更好地运用人工智能。 事实上，对话式AI 所代表的变革力量正表现在自然语言的本质属性（语言是一种本能），而ChatGPT 已经成为了历史上普及最快的新科技，恰恰证明了这一点。 AIGC 真正的魅力在于：对于普通人来说，你甚至不需要花太多时间去研究其数学原理，也能发挥其洪荒之力。 （当然，原理是模型有关的专业人士、商业分析、跨学科研究的基础） 无论是写作、编程、旅游、工作、美食、医疗健康，还是广义的求知，只要不断「深度对话」，拓展 顾问的陪伴场景，你就能持续发现令人惊叹的智能杠杆力。 最重要的是，不断探索实践、学习他人的用法、获取有价值的信号，拓展自己使用的「边界」。 而Copliot不止是一个动词、一个概念，它更是理解整个新世界的一把钥匙；你只有亲自前往，才能看到未来。