通過去年發布的Loihi 2第二代研究芯片和開源Lava軟件框架，英特爾研究院正在引領神經擬態計算的發展。作為英特爾神經擬態技術商業化目標的一部分，英特爾研究院正在向開發者提供新工具，以便將開發過程推進到下一階段。例如，8芯片Loihi 2開發板Kapoho Point，就可以通過堆疊滿足大規模工作負載的需求，并可實現與低延遲事件相機（event-based vision sensors）的直接互連。
Loihi 2是英特爾的第二代神經擬態研究芯片。它支持新型類腦算法和應用程序，提供更快的處理速度與更高的資源密度，同時提高能效。（圖片來源：英特爾公司）
此外，英特爾研究院還更新了開源Lava框架，以支持可編程神經元、整型脈沖神經元、卷積網絡和持續學習。從最新版Lava（v0.5）開始，與Loihi 1系統上的相同工作負載相比，這些新功能使Kapoho Point運行深度學習應用的速度提高了12 倍，能耗也降低了15倍1。 此外，英特爾還通過英特爾神經擬態研究社區（INRC）啟動了八個由英特爾贊助的大學項目。
向社區成員交付下一代神經擬態系統
基于Loihi 2的開發板Kapoho Point是一個緊湊系統（compact system），非常適合從無人機到衛星和智能汽車的各種小尺寸設備和應用。Kapoho Point可以運行包含多達10億個參數的AI模型，也能解決涵蓋多達800萬個變量的優化問題。與在CPU上運行的先進求解器相比，它把速度提高了10倍以上，能耗降低了1000倍。此外，還能通過堆疊多個開發板實現Kapoho Point的擴展，以解決更大規模的問題。
基于Loihi 2的開發板Kapoho Point是一個緊湊系統，非常適合從無人機到衛星和智能汽車的各種小尺寸設備和應用。（圖片來源：英特爾公司）
美國空軍研究實驗室（AFRL）是研究社區中第一個啟用Kapoho Point的成員，正在把它用于內部研究，涉及基于脈沖神經網絡的學習以及需要實時優化的問題。數據處理與開發高級科學家Qing Wu博士表示：“由于美國空軍研究實驗室的任務是在空中和太空中進行的，這使得移動平臺的空間、重量和功率預算（power budget）非常有限。對在這種環境中運行AI算法的需求而言，神經擬態計算技術提供了非常出色的計算解決方案。”
通過Lava軟件框架，降低神經擬態開發的門檻
對開源、模塊化且可擴展的Lava軟件框架的更新包括面向Loihi 2功能集的一系列改進，例如可編程神經元、分級事件和持續學習。
英特爾研究院更新了開源Lava框架，以支持可編程神經元、整型脈沖神經元、卷積網絡和持續學習。（圖片來源：英特爾公司）
神經擬態生態系統項目
英特爾神經擬態研究社區（INRC）已經啟動了八個由英特爾支持的大學項目，包括喬治梅森大學、昆士蘭科技大學、格拉茨技術大學、蘇黎世大學 、布朗大學、賓夕法尼亞州立大學、滑鐵盧大學和哥廷根大學。
研究項目包括自適應機器人定位、可用于腦機接口的無線仿生傳感脈沖解碼、神經擬態貝葉斯優化、聽覺特征檢測以及新型類腦架構和算法。
自2018年成立以來，英特爾神經擬態研究社區的成員數已增加到180多個，包括大學實驗室、政府機構以及埃森哲、聯想、羅技和梅賽德斯-奔馳等全球領先企業。
接下來，英特爾研究院將為開發人員不斷提供新工具，讓他們能更輕松地開發解決現實問題的應用，并繼續支持社區研究。
--------------------------------------
1Loihi 2的SDNN結果是基于2022年9月進行的Lava v0.5基準測試而得出的，當時在Loihi 2上作為一個Sigma-Delta神經網絡執行了9層PilotNet DNN推理工作負載，對比了在Loihi 1上使用SNN頻率編碼執行的相同網絡。從具有相同拓撲結構和相同8位參數數量的傳統DNN執行方式中計算出的等價DNN運算數。參看Bojarski、Mariusz等人《面向自動駕駛汽車的端到端學習》。arXiv預印版論文arXiv:1604.07316 (2016)。
