Intel introduceert neuromorfische Loihi 2-processor op Intel 4-procedé

Intel heeft Loihi 2 gepresenteerd, een nieuwe versie van zijn neuromorfische processor die neuronen en synapsen kan simuleren en zo tot op zekere hoogte zelflerend is. Het bedrijf gebruikt Intel 4 als testprocedé om de chip te maken.

Volgens Intel is de basisarchitectuur van Loihi 2 gelijk aan die van de eerste Loihi. Deze neuromorfische chip introduceerde Intel in 2017. Intel maakt die op 14nm, waar Loihi 2 op Intel 4, oftewel Intels komende 7nm-procedé geproduceerd wordt. Vooralsnog gaat het om pre-productiecapaciteit die Intel inzet aangezien Intel 4 nog niet productierijp is.

Ondanks de gelijke basisarchitectuur zijn er volgens Intel de nodige verbeteringen. De inzet van de kleinere node maakt dat de cores van de chip een kleiner oppervlak innemen. Nog altijd gaat het om maximaal 128 neuroncores per chip, maar door flexibeler en efficiënter geheugenbeheer is volgens Intel de effectieve corecapaciteit toegenomen en zijn met die cores veel meer neuronen te simuleren.

Ook is de ondersteuning voor neuronenmodellen uitgebreid. Een neuronenmodel betreft een korte reeks microcode-instructies die het gedrag van een enkel neuron beschrijven. Loihi 1 was geoptimaliseerd voor een enkel spiking neural network maar bij versie twee zijn neuronenmodellen met programmeerbare pijplijn mogelijk. De neuroncores communiceren onderling met spike messages en bij de nieuwe versie van de chip kan dat met een 32-bit spikepayload waarvoor hardware-acceleratie aanwezig is zodat dit niet meer energie kost.

Intel heeft het aantal processors per chip verdubbeld van drie naar zes. Deze processors zijn er voor traditionele verwerking van C en Python en bij de vorige Loihi-chip vormden de drie processors nogal eens een bottleneck, geeft Intel toe.

Verder zijn de mogelijkheden om te communiceren met de buitenwereld sterk uitgebreid. In plaats van een propriëtaire interface om de communiceren met andere systemen, ondersteunt Loihi 2 onder andere verschillende ethernetstandaarden, GPIO en SPI.

Intel maakt vooralsnog twee verschillende Loihi 2-systemen beschikbaar aan onderzoeksinstellingen via zijn Neuromorphic Research Cloud. De eerste is het Oheo Gulch-systeem met enkele neuromorfische chip en toegang via een Arria 10-fpga en ethernet. De tweede is nog niet beschikbaar. Dit gaat om Kapoho Point, een compact systeem met een 4x4"-formfactor en acht Loihi 2-chips en ethernet- en GPIO-interface. Meerdere Kapoho Point-systemen kunnen met elkaar verbonden worden.

Bij neuromorfische computing richten fabrikanten zich op systemen die net als bij menselijke hersenen verbindingen in het netwerk kunnen verstevigen om te 'leren' en efficiënter data te verwerken. Bij Loihi gaat het dan om een network-on-a-chip waarmee bepaalde rekentaken sneller en zuiniger zijn uit te voeren. Om het schrijven van applicaties die kunnen draaien op neuromorfische platformen te vereenvoudigen maakt Intel Lava beschikbaar, een opensource framework dat platformonafhankelijk is.

	Loihi	Loihi 2
Procedé	14nm	Intel 4 (pre-productie)
Die-oppervlak	60mm²	31mm²
Core-oppervlak	0,41mm²	0,21mm²
Transistors	2,1 miljard	2,3 miljard
Max. neuroncores per chip	128	128
Max. processors per chip	3	6
Max. neurons per chip	128.000	1 miljoen
Max. synapses per chip	128 miljoen	120 miljoen
Geh. per neuroncore	208KB, fixed allocatie	192KB, flexibele allocatie
Neuronmodel	Gegeneraliseerd LIF	Volledig programmeerbaar

Reacties (15)

[Redneckerz]

''spiking neural network maar bij versie twee zijn neuronenmodellen met programmeerbare pijplijn mogelijk. De neuroncores communiceren onderling met spike messages en bij de nieuwe versie van de chip kan dat met een 32-bit spikepayload''

Wat moet ik verstaan onder ''spiking neural network'', ''spike messages'', ''spikepayload''? Ik vermoed dat dit bij de meeste mensen volledig onbekend is. Hierin zou Tweakers uitleg in kunnen verlenen.

[tisvonkje]

In een spiking neural network communiceren de neuronen met elkaar door middel van treintjes van spikes (pulsen). Dit in tegenstelling tot 'normale' neurale netwerken waarbij in principe een niet discrete waarde de output van een neuron voorstelt. Hierdoor is er een belangrijk extra aspect aan het netwerk toegevoegd: tijd.
Interessant is dat spiking neural networks dichter bij de werking van ons eigen brein lijken te zitten. Ook de threshold functie (die bij 'normale artificiele neurale netwerken een sigmoide functie is) is bij spiking neural networks discreet (gewoon) 1 of 0. De informatie zit hem meer in de aantallen pulsjes over de tijd.

[Redneckerz]

Dank, hiervoor. Nog steeds lastig te volgen, maar wel behapbaarder om te snappen waar dit in verschilt.

[koelpasta]

Dit in tegenstelling tot 'normale' neurale netwerken waarbij in principe een niet discrete waarde de output van een neuron voorstelt.

Het woord discreet is niet helemaal van toepassing. Alles in een computer is namelijk in principe al discreet. Ook een 'normale' ANN is discreet in zn output.

Waar het met spikes over gaat is dat je informatie anders codeert. Het signaal wordt dan als korte pulsjes (spikes) overgedragen van neuron op neuron en daarbij wordt er zowel in de hoogte (en in echte neuronen ook de vorm) van de spike als ook in de frequentie en/of dichtheid van de spikes infromatie gecodeerd.
Biologische neuronen (maar dus ook deze virtuele intel neuronen) communiceren dus door series pulsjes over te sturen en die series pulsjes bevatten meerdere dimensies aan informatie.

In het geval van deze chip is een spike(payload) een 32-bit getal waardoor elke individuele spike dus informatie kan bevatten (analoog aan de amplitude/vorm van een spike in een biologische neuron).
Deze chip verstuurt zn spikes over een intern netwerkje. De woorden 'spike' en 'spike message' zijn dus synoniem.

Ook de threshold functie (die bij 'normale artificiele neurale netwerken een sigmoide functie is) is bij spiking neural networks discreet (gewoon) 1 of 0. De informatie zit hem meer in de aantallen pulsjes over de tijd.

Nou ja, niet in echte neuronen en niet in deze chips. Hier heb je een 32 bits integer waarin je eigenschappen van de spike kunt definieren. De treshold functie kun je geloof ik vrij uitgebreid programmeren.

Loihi 2 now implements its neuron models with a programmable pipeline in each neuromorphic core to support common arithmetic, comparison, and program control flow instructions.

https://download.intel.co...mputing-loihi-2-brief.pdf

[GamingZeUs]

De specifieke vorm van de pulse train is 100% belangrijk, biologische systemen zijn erg goed in het 'inevolueren' van zulke situaties. Een bool versus een Real-spaced Real serie!

Nog los van ontzettend complexe schedules! Een interleaving schedule voor verwerkingen e.d. wordt al heel gauw heel onnavolgbaar.

Evolutie heeft waarschijnlijk een zekere "asymptotisch optimaal" voor hoe informatiedicht de neuronen gaan. Eigenlijk gedragen neuronen zich zo complex dat het redelijk ongelukkig is voor directe simulatie - de informatierelaties zouden directer te bedienen mogen zijn.

[rjmno1]

volgens mij willen ze de functie van hersenen namaken ,of ik zit er helemaal ernaast?

[Marvex]

Alsjeblieft, gebruik ze niet voor lift besturing...

[Fire69]

https://www.imdb.com/title/tt0087622

[Vuikie]

Of een auto...

[Reactie gewijzigd door Vuikie op 24 juli 2024 05:33]

[SuperDre]

Maar dat was een biologische chip

[CyberMania]

Junk artikel idd. Alsof hier een brede doelgroep zit die werkelijk met deze chip aan de slag gaat (dus waarom zo pushen op die keiharde specs, wat meer insteek op context was beter). Hier wat meer context:

Why It Matters:

Neuromorphic computing, which draws insights from neuroscience to create chips that function more like the biological brain, aspires to deliver orders of magnitude improvements in energy efficiency, speed of computation and efficiency of learning across a range of edge applications: from vision, voice and gesture recognition to search retrieval, robotics, and constrained optimization problems.

[Marctraider]

Mja, denk toch vooral dat deze processor, voorheen op software gebaseerde calculaties/simulaties, het nu gewoon hardwarematig doen. Dat gaat inderdaad veel sneller.

Beetje hetzelfde als waarvoor GPU's goed in zijn. Vroeger ging alles gewoon 'softwarematig' als in de CPU deed al het werk voor 3D calculaties, nu wordt het gewoon versneld met hardware die daar speciaal instructies voor heeft. Ander voorbeeld is AES dat nu gewoon versneld is.

Zo'n 'Neuro' of 'Bio' chip klinkt heel erg high tech en futuristisch maar dat valt reuze mee.

[Reactie gewijzigd door Marctraider op 24 juli 2024 05:33]

[mrhyde]

In 2024 kwam deze chip erachter dat de intelligentie van de mensheid wel erg kunstmatig was. Daarop werd zij uitgefaseerd ,,,

[CH4OS]

Hier nog een leek, dus als ik iets vraag wat krom is, enlighten me. Maar wat ik mij afvraag, hoe verhouden deze processoren zich tot reguliere processoren en quantum processoren? Wat maakt deze uniek? Waar is het "goed" in?

[DigitalExorcist]

Ik zie allemaal woorden en zinnen maar snap totaal niet waar het om gaat. Heerlijk. Denk je dat alles wel zo’n beetje uitgevonden is en dan blijkt er toch nog iets te zijn wat je kan verrassen.