今天，英特尔推出了第二代神经拟态研究芯片 Loihi 2 和用于开发神经启发应用程序的开源软件框架 Lava。它们的推出标志着英特尔在推进神经拟态技术方面的持续进步。神经形态计算从神经科学中汲取见解，以创建功能更像生物大脑的芯片，希望在能源效率、计算速度和学习效率方面实现数量级的改进，包括视觉、语音和手势等一系列边缘应用识别搜索检索、机器人技术和约束优化问题。
“Loihi 2 和 Lava 从多年来使用 Loihi 的合作研究中获得了见解。我们的第二代芯片极大地提高了神经形态处理的速度、可编程性和容量，扩大了其在功率和延迟受限的智能计算应用程序中的用途。我们正在开源Lava 解决了该领域对软件融合、基准测试和跨平台协作的需求，并加快了我们在商业可行性方面的进展。” ——迈克戴维斯，英特尔董事
迄今为止，英特尔及其合作伙伴已展示的应用包括机械臂、神经形态皮肤和嗅觉传感。关于 Loihi 2：该研究芯片结合了第一代研究芯片三年使用的经验，并利用了英特尔工艺技术和异步设计方法的进步。
Loihi 2 的进步使该架构能够支持新类别的神经启发算法和应用程序，同时提供高达 10 倍的处理速度、高达 15 倍的资源密度（每个芯片多达 100 万个神经元）以及更高的能效。得益于与英特尔技术开发部的密切合作，Loihi 2 采用了英特尔 4 工艺的预生产版本，突显了英特尔 4 的健康和进步。 英特尔 4 中使用极紫外 (EUV) 光刻技术与过去的工艺技术相比，它简化了版图设计规则。这使得快速开发 Loihi 2 成为可能。
Lava 软件框架满足了神经形态研究社区对通用软件框架的需求。作为一个开放的、模块化的和可扩展的框架，Lava 将允许研究人员和应用程序开发人员在彼此的进步基础上建立并融合一组通用的工具、方法和库。Lava 在跨传统和神经形态处理器的异构架构上无缝运行，支持跨平台执行和与各种人工智能、神经形态和机器人框架的互操作性。开发人员无需访问专门的神经形态硬件即可开始构建神经形态应用程序，并且可以为 Lava 代码库做出贡献，包括将其移植到其他平台上运行。
“洛斯阿拉莫斯国家实验室的研究人员一直在使用 Loihi 神经形态平台来研究量子计算和神经形态计算之间的权衡，以及在芯片上实施学习过程，”洛斯阿拉莫斯的科学家 Gerd J. Kunde 博士说国家实验室。“这项研究显示了脉冲神经网络和量子退火方法之间的一些令人兴奋的等价性，用于解决困难的优化问题。我们还证明了反向传播算法是训练神经网络的基本构建块，以前认为不能在神经形态架构上实现，可以在 Loihi 上有效地实现。我们的团队很高兴能够用第二代 Loihi 2 芯片继续这项研究。”
关于关键突破：Loihi 2 和 Lava 为研究人员开发和表征新的神经启发应用程序提供了工具，用于实时处理、解决问题、适应和学习。值得注意的亮点包括：
- 更快、更通用的优化：Loihi 2 更强的可编程性将允许支持更广泛的困难优化问题，包括从边缘到数据中心系统的实时优化、规划和决策。
- 持续和关联学习的新方法：Loihi 2 改进了对高级学习方法的支持，包括反向传播的变体，深度学习的主力算法。这扩大了适应和数据高效学习算法的范围，这些算法可以由在线设置中运行的低功耗外形因素支持。
- 可通过深度学习训练的新型神经网络：Loihi 2 中的完全可编程神经元模型和广义尖峰消息传递为可在深度学习中训练的各种新神经网络模型打开了大门。早期评估表明，与在原始 Loihi 上运行的标准深度网络相比，Loihi 2 上的每次推理操作减少了 60 倍以上，而不会降低准确性。
- 与现实世界的机器人系统、传统处理器和新型传感器无缝集成：Loihi 2 通过整合更快、更灵活和更标准的输入/输出接口，解决了 Loihi 的实际限制。Loihi 2 芯片将支持以太网接口、与更广泛的基于事件的视觉传感器的无缝集成，以及更大的 Loihi 2 芯片网状网络。
