CNCC'nin en sıcak forum kuru ürünleri: nöromorfik çipler ve nöromorfik bilgisayarlar
Xinzhiyuan Raporu
Derin öğrenmeyle temsil edilen yapay sinir ağları, makine öğreniminin en önemli yöntemlerinden biridir ve bulutta ve terminalde yaygın olarak kullanılmaktadır. Bununla birlikte, geleneksel CPU ve GPU yongaları, sinir ağı işlemeyi gerçekleştirirken ciddi performans ve enerji tüketimi darboğazlarıyla karşılaştı.
Nöromorfik bilgi işlem, veri işleme yeteneklerini ve makine öğrenimi yeteneklerini büyük ölçüde geliştirebilir, ancak enerji tüketimi ve boyutu çok daha küçüktür veya bilgisayar minyatürleştirme ve yapay zekanın bir sonraki aşamasına öncülük edecektir.
Şu anda, nöromorfik çipler mühendislik araştırma ve geliştirmesine girmiştir. IBM tarafından Ağustos 2014'te duyurulan milyon nöron düzeyindeki TrueNorth çipi, belirli görevleri yerine getirirken geleneksel bir merkezi işlem biriminin enerji verimliliğinin yüzlerce katına ulaşabilir ve ilk kez insan beyninin serebral korteksiyle karşılaştırılabilir. .
Intel'in ilk nöromorfik çipi Loihi, bilgileri darbeler veya sivri uçlar yoluyla iletir ve sinapsların gücünü otomatik olarak ayarlar.Otonom öğrenmeyi gerçekleştirmek ve komutlar vermek için ortamdaki çeşitli geri bildirim bilgilerini kullanır.Ayrıca insan beyninin çalışma mekanizmasına benzer.
2018 CNCC Konferansı "Neuromorphic Chips and Neuromorphic Computers" forumunda, Çin Bilimler Akademisi Hesaplama Teknolojisi Enstitüsü araştırmacısı ve Akıllı İşlemci Araştırma Merkezi direktörü Chen Yunji, Tsinghua Üniversitesi Elektronik Mühendisliği Bölümü doçenti, Çin Bilimler Akademisi Çin Bilimler Üniversitesi Yarıiletkenleri Enstitüsü araştırmacısı Wang Yu Çin Bilimler Akademisi Otomasyon Enstitüsü araştırmacısı Profesör Wu Nanjian, Beyinden Esinlenen İstihbarat Araştırma Merkezi direktör yardımcısı, Sichuan Üniversitesi Beyin-İlham Merkezi direktörü Zeng Yi, Tang Huajin ve Çin Bilimler Akademisi Hesaplama Teknolojisi Enstitüsü yardımcı araştırmacısı, ilgili raporları art arda yaptı. Forum ve Panel oturumuna özel konuklar ev sahipliği yaptı. Forumun eş başkanları Tang Huajin ve Zhao Di'dir.
Panel oturumuna Southwest Üniversitesi Elektronik Bilgi Mühendisliği Okulu'ndan Wu Nanjian, Zeng Yi, Tang Huajin, Zhao Di ve Profesör Duan Shukai katıldı.
Konuk konuşmalarının içeriğine göre, tüm forum kabaca üç kısma ayrılabilir: nöromorfik çip, nöromorfik hesaplama algoritması ve forum paneli. Aşağıda forumun özeti yer almaktadır.
Nöromorfik Çipler İçin Yeni Fikirler: ASIC'in Ötesinde Atılım
İlk olarak, Çin Bilimler Akademisi Bilgisayar Teknolojisi Enstitüsünde araştırmacı ve Akıllı İşlemci Araştırma Merkezi direktörü Chen Yunji, "Derin Öğrenme için Özel İşlemci" başlıklı bir konuşma yaptı.
Geleneksel ASIC düşüncesi, derin öğrenme işlemenin ihtiyaçlarını çözemez. Kambriyen, esas olarak üç çelişkiyi aştı:
1. Sınırlı ölçekli donanım ile keyfi ölçekli algoritmalar nasıl çözülür;
2. Sabit yapılı donanımla sürekli değişen algoritmalarla nasıl başa çıkılacağı;
3. Sınırlı enerji tüketimine sahip donanım, hassas öncelikli algoritmaları nasıl destekleyebilir;
Yukarıdaki üç çelişkiye yanıt olarak, Kambriyen aşağıdaki üç çabayı göstermiştir:
1. Donanım nöron sanallaştırma.
Akademik yenilik: Sınırlı ölçekli donanımı, zaman paylaşımlı çoklama yoluyla rastgele büyük ölçekli yapay sinir ağlarında sanallaştırın.
Anahtar teknolojiler şunları içerir:
Kontrol mimarisi : Donanım nöronlarının dinamik konfigürasyonunu ve çalışma zamanı programlamasını destekler.
Bellek erişim mimarisi : Ayrı giriş nöronları, çıkış nöronları ve belirgin yonga üzerinde depolama.
2. Derin öğrenme talimat seti.
Akademik yenilik: Çeşitli derin öğrenme (makine öğrenimi) algoritmalarının ortak temel operatörlerini otomatik olarak çıkarın ve bu algoritmaları işlemek için ilk derin öğrenme talimat setini tasarlayın.
Anahtar teknolojiler şunları içerir:
Operatör kümeleme : Otomatik çıkarma algoritmasının temel parçaları, verilerin özelliklerine göre birkaç kategoriye ayrılmıştır.
Bilgisayar mimarisi : Değişken hassasiyetli boru hattı seviyesini desteklemek için ortak nöron devreleri tasarlayın.
3. Seyrek sinir ağı işlemci yapısı.
Akademik yenilik: Sınırlı enerji tüketimiyle yüksek hassasiyetli akıllı işleme elde etmek için seyrek sinir ağı işleme gerçekleştirmek için sinir ağının hesaplama hatalarına toleransını kullanın.
Ardından, Tsinghua Üniversitesi'nde daimi profesör olan Dr. Wang Yu, "RRAM tabanlı Sinir Ağı Sistemi Tasarımı ve Keşfi" üzerine bir rapor verdi.
CPU'lar ve GPU'lar verimli olmadığından, daha geniş bir uygulama yelpazesine sinir ağlarını uygulamak için donanımı özelleştirmek gerekir. FPGA, programlanabilir olduğu ve genel amaçlı işlemcilere kıyasla daha yüksek enerji verimliliği sağlayabildiği için sinir ağı hızlandırma için ideal bir platform haline gelebilir.
Bununla birlikte, uzun geliştirme döngüsü ve yetersiz geleneksel FPGA hızlandırma performansı, yaygın olarak kullanılamamasına neden olur. Wang Yu, FPGA'larda sinir ağlarını hızlandırmak için hızlı dağıtım ve yüksek enerji verimliliği elde etmek için algoritmalardaki fazlalıktan yararlanmak ve hesaplama ve bellek karmaşıklığını azaltmak için derin sıkıştırma ve veri niceleme kullanan eksiksiz bir tasarım sürecini tanıttı.
Öte yandan, depolama ve hesaplamanın entegrasyonuna dayalı sinir ağı hesaplama platformunun tasarımı (örneğin, RRAM ve diğer uçucu olmayan bellek cihazlarına dayalı) geliştirme yönü haline geldi.Rapor ayrıca RRAM tabanlı derin öğrenme işleme sisteminin tasarımını tanıtıyor ve enerji verimliliğini daha da iyileştirmeyi tartışıyor. Fırsatlar ve Zorluklar.
RRAM, direnç ağının vektör ve vektör hesaplamasıdır.Güç açık olduğu ve veri akışı olduğu sürece sonuç çıktı olacaktır.Veri taşınmasına gerek yoktur, bu yüzden çok güzel bir yol.
Ama bu yol gerçekten iyi mi? Son yıllarda bu şekilde yapılabilen cipsler hala çok küçük.
Wang Yu'nun ekibi, entegre depolama ve hesaplama sistemindeki bazı temel konular, özellikle dijital-analog hibrit sistemlerin arayüz tasarımı optimizasyonu ve güvenilmez cihazlarla güvenilir sistemlerin nasıl tasarlanacağı üzerine araştırmalar yaptı.
Ardından, Çin Bilimler Akademisi Yarıiletkenler Enstitüsü'nde araştırmacı ve Çin Bilimler Akademisi Üniversitesi'nde profesör olan Wu Nanjian, "Yapay Görme Sistemi Çip Araştırma ve Geliştirme Eğilimleri" hakkında bir rapor verdi.
Yapay görme sistemi çipi, insan görme sisteminin paralel olarak edinilmesini ve işlenmesini taklit edebilen ve yüksek hızlı görüntü alma, iletme, öğrenme, hafıza, tanıma ve kontrol gerçekleştirebilen tek çipli entegre bir görme sensörü ve paralel vizyon işlemcisidir.
İlgili temel teknoloji üç noktayı içerir: görsel sunum, görsel bilgi işleme ve entegrasyon teknolojisi.
Yapay görme çipleri, güçlü gerçek zamanlı işleme yetenekleri, düşük güç tüketimi ve küçük boyut gerektiren tipik uç bilgi işlem çipleridir.Yapılmaları çok zordur, ancak geniş uygulama umutları vardır.Profesör Wu, 3, 4 yıl içerisinde geniş ölçekte uygulanmalıdır. .
Farklı görüntü elde etme ve işleme yöntemlerine göre, yapay görme sistemi çipleri, çerçeveye dayalı ve olay odaklı görüntü çiplerine bölünmüştür. Aşağıdaki iki çipin karşılaştırmasıdır:
Bunların arasında, olay güdümlü görüş çipi, uzamsal ve olay ışığı değişikliklerini algılayabilir, sinyalleri alabilir, sinyalleri işleyebilir ve bir olay şeklinde çıktı alabilir, çerçeveye göre görüş çipini çalıştırabilir ve olay güdümlü görüş çipi henüz emekleme aşamasındadır.
Şu anda, yapay görme sistemi yongalarının dünyadaki en son sonuçları karşılaştırılıyor:
Şu anda yapay zeka, bilgi işlem hızındaki ve veri ölçeğindeki artışın bir sonucudur.Makinenin öz bilinci ne zaman uyanacak?
Çin Bilimler Akademisi Otomasyon Enstitüsü'nde araştırmacı ve Beyin Benzeri Zeka Araştırma Merkezi müdür yardımcısı olan Zeng Yi, "Beyin Gibi Zeka: Beyin Benzeri Bilişsel Motorlardan Bilinçli Canlılara" hakkında bir rapor verdi.
Beyin benzeri zeka, beyin ve bilgisayar sistemlerinin çok boyutlu yapısından esinlenerek insan zekasının ve insan düzeyindeki yapay zekanın doğasını keşfetmenin önemli yollarından biridir. Rapor, insan zihninin bilgisayar sistemlerinde yeniden üretilip üretilemeyeceği gibi bilimsel konulardan başlıyor ve yapay zeka, sinirbilim ve bilişsel bilimin entegrasyonu perspektifinden beyin benzeri bilişin araştırma ilerlemesini sunuyor.
Zeng Yi, mevcut yapay zekanın bilgi işlem hızında ve veri ölçeğinde bir artış olduğuna inanıyor. Zeng Yi'nin görüşüne göre, veri zekası ve makine zekası gerçek zeka değil, sadece zekanın ve mekanizmaya dayalı yapay zekanın özünü gerçekten keşfetmekten uzak olan akıllı bilgi işlemeye benziyorlar.
Konuşması, araştırma grubunun büyük ölçekli çok ölçekli beyin sinir ağı modellemesi ve simülasyonu, beyin benzeri otonom öğrenme ve karar verme ve insansız ve robotik alanındaki uygulamalarına odaklandı. Bu temelde, makine özbilincinin ilk keşfini daha da keşfedeceğiz ve makine bilincinin ve insan-makine toplumunun geleceğini dört gözle bekleyeceğiz.
Sichuan Üniversitesi'nden Profesör Tang Huajin "Nöromorfik Hesaplamada İlerleme" üzerine bir rapor verdi.
Geleneksel yapay zeka yöntemlerinden farklı olarak, nöromorfik hesaplama esas olarak sinirbilimin gelişmesiyle desteklenmektedir.Beyin sinir devrelerinin yapısına ve sinirsel bilgi işleme ve sinirsel dürtü hesaplama ilkelerine dayanan yeni bir hesaplama modelidir ve sonunda nöromorfik donanımla beyin simülasyonunu gerçekleştirir. Bilişsel bilgi işlem ve düşük güçlü bilgi işlem.
Sinirbilimde nöron ve sinaptik düzeyde büyük ilerleme kaydedilmiş olsa da, nöronların ağ bağlantıları aracılığıyla karmaşık bilişsel işlevleri nasıl gerçekleştirebileceklerine dair hala bir anlayış eksikliği vardır.
Profesör Tang Huajin, nöromorfik bilişsel hesaplama alanında çözülmesi gereken ana problemlerden yola çıkarak şu yönleri ortaya koyuyor: sinirsel bilgi kodlama, sinaptik beklentiler ve öğrenme algoritmaları ve kodlama ile öğrenmeyi bütünleştiren ve nöromorfik hesaplamayı tartışan bir sistem modeli Alandaki en son gelişmeler ve beklentiler.
Ardından, Çin Bilimler Akademisi Bilgisayar Teknolojisi Enstitüsü'nün yardımcı araştırmacısı Zhao Di, "Nöromorfik Hesaplama ve Tıbbi Görüntü Analizi" hakkında bir rapor verdi.
EKG sinyal tespiti ve analizi, kalp hastalığı olan hastalar için önemli bir garantidir. Mevcut yöntemler, makine öğrenimini ve tek boyutlu derin öğrenmeyi içerir. Bununla birlikte, mevcut yöntemlerin, kalp hastalığı hastalarının tüm hava koşullarında gerçek zamanlı tespiti için yüksek doğruluk ve düşük enerji tüketimi gereksinimlerini karşılaması zordur.
Zhao Dinin araştırması, EKG sinyalinin uzamsal-zamansal özelliklerini doğrudan spike dizisine kodlayan, Izhikevich spike nöronuna dayalı olarak ağ üzerinden özellikleri çıkaran ve optimize etmek için zaman bazlı plastisite (STDP) algoritmasını kullanan Spike Neural Network'e dayanmaktadır. EKG sinyalinin gösterdiği hastalıkları tanımlayın. Deneysel sonuçlar, halka açık EKG veritabanlarının doğruluğu ve enerji tüketiminin ve beyin benzeri hesaplama algoritmalarına dayanan dahili klinik denemelerin mevcut yöntemlerden çok daha üstün olduğunu gösteriyor.
Çin'in bağımsız çip araştırma ve geliştirmesinin en kritik odağı: ekoloji
Forumun panel oturumuna Southwest Üniversitesi Elektronik Bilgi Mühendisliği Fakültesi'nden Wu Nanjian, Zeng Yi, Tang Huajin, Zhao Di ve Profesör Duan Shukai katıldı ve Xinzhiyuan'ın kurucusu ve CEO'su Bayan Yang Jing moderatör olarak görev yaptı.
Yang Jing: Ticaret gerilimleri bağlamında, Çin bir "çekirdek kıtlığı" yaşıyor. Çin'in bağımsız çiplerinin araştırma ve geliştirilmesinde endüstri ve akademinin en kritik odak noktası nerede? Çin'in gelecekteki AI çekirdeğinin en kısa kartı nedir? ne yapmalıyız?
Konuk: Intel ve Microsoft, bir WIntel ekosistemi oluşturmak için en iyi "evlilik" dir. Huawei ve Ali'nin çipleri yapıldı, ancak kimse kullanmazsa, ne kadar iyi olursa olsun, bir ekoloji oluşturmayacaklar. Ülkemiz CPU ve sistemi çok erken yaptı ama birçok yazılım ona aktarılamıyor. Anahtar, üretim, eğitim ve araştırmanın entegrasyonunda, işletmeler ve okullar arasındaki yakın ilişkide ve bir ekosistemin kurulmasında yatmaktadır.
Araştırmacılar için endüstri ile bağlantı kurmak için inisiyatif almalı ve sonuçlar önce sektöre aktarılmalıdır.
Talaş sorunu aslında yapısal bir sorun, ülkemiz uzun süredir talaş geliştirmede geride kalıyor, diğer yandan çip geliştirmeye duyulan güvensizliği de yansıtıyor. Ancak Çin'deki entegre devre geliştirme seviyesi yaklaşık 20 yıldır ülke ihtiyaçlarını karşılayabilecek sistem üreticilerinin risk bilincine sahip olması ve yerli tedarikçilere sahip olması umulmaktadır.
Yang Jing: Çin'deki hangi Ar-Ge kurumları nöromorfik çipler alanında en umut verici atılımlara sahiptir ve en kritik uygulama alanları nelerdir?
Konuk: Genel olarak konuşursak, ülkenin genel durumu ile Amerika Birleşik Devletleri arasında bir uçurum olabilir, bu boşluk hala genel ekoloji ve çevrede, ancak yine de dünyadaki diğer ülkelerle karşılaştırıldığında avantajları var. Bu yılın başından bu yana yerli işletmeler ve akademik kurumlar tarafından piyasaya sürülen chipler, uluslararası düzeyde yüksek bir seviyeye ulaştı.
Nöromorfik alanda, mimari perspektifinden yüksek zekayı geliştirmek için ister temel birimin performansı ister zekanın performansı olsun, gelişmiş bir düzen olmalıdır.
Gelecekte, uyarlanabilir ve kendi kendine öğrenen çip donanımı, atılımlar için en olası yöndür.
Yang Jing: Avrupa Beyin Projesi, Amerikan Beyin Projesi veya Çin Beyni Projesi yavaş yavaş gözden kayboldu İnsan Beyni Projesi önümüzdeki üç yıl içinde yeni atılımlar görecek mi? Hedef ayarlanacak mı?
Konuk: Bilgi teorisi ve Turing makine modelleri onlarca yıl önce tanımlanmıştı ve hala bu şekilde tanımlanıyor İnsan Beyni Projesinin amacı bu tanımı kırmaktır.
İnsan beynini on yıl içinde yeniden yaratmak çok zordur ve nörobilimin mevcut üç boyutlu rekonstrüksiyon teknolojisi ile bunu başarmak imkansızdır. Bu 10.000 metrelik bir yarış ve herkes yeni başladı.
Yang Jing: 2018'de uluslararası nöromorfik çip araştırma ve geliştirmedeki başlıca gelişmeler nelerdir? Endüstri mi yoksa akademik mi?
Konuk: Intel'in nöromorfik çipleri ölçek ve performans açısından çok lider Yerli, Cambrian, Horizon ve diğer şirketler tarafından üretilen çipler.
Memristors açısından, bir bütün olarak, dünyadaki tüm ülkeler önemli ilerleme kaydetmiştir.Tsinghua Üniversitesi, Bilimler Akademisi Mikroelektronik Enstitüsü ve Huazhong Bilim ve Teknoloji Üniversitesi gibi birçok büyük ekip de bunu yapmaktadır. Endüstrinin dikkatini çeken şey, nöromorfik çipleri geliştirmek için ışığın kullanılması oldu.
Xinzhiyuan'ın kurucusu ve CEO'su Bayan Yang Jing ve forumun eşbaşkanları Tang Huajin (soldan birinci) ve Zhao Di
Topluluğa katıl
Xinzhiyuan AI teknolojisi + endüstri topluluğunun işe alımında, AI teknolojisi + endüstri uygulamasına ilgi duyan öğrenciler, gruba katılmak için küçük bir WeChat hesabı ekleyebilir: aiera2015_3; incelemeyi geçtikten sonra gruba katılmaya davet edeceğiz. Topluluğa katıldıktan sonra grubu değiştirdiğinizden emin olun Açıklamalar (isim-şirket-pozisyon; profesyonel grup incelemesi katıdır, lütfen anlayın).
