今天，英特爾推出了第二代神經擬態研究芯片 Loihi 2 和用於開發神經啟發應用程序的開源軟件框架 Lava。它們的推出標誌着英特爾在推進神經擬態技術方面的持續進步。神經形態計算從神經科學中汲取見解，以創建功能更像生物大腦的芯片，希望在能源效率、計算速度和學習效率方面實現數量級的改進，包括視覺、語音和手勢等一系列邊緣應用識別搜索檢索、機器人技術和約束優化問題。
“Loihi 2 和 Lava 從多年來使用 Loihi 的合作研究中獲得了見解。我們的第二代芯片極大地提高了神經形態處理的速度、可編程性和容量，擴大了其在功率和延遲受限的智能計算應用程序中的用途。我們正在開源Lava 解決了該領域對軟件融合、基準測試和跨平台協作的需求，並加快了我們在商業可行性方面的進展。” ——邁克戴維斯，英特爾董事
迄今為止，英特爾及其合作夥伴已展示的應用包括機械臂、神經形態皮膚和嗅覺傳感。關於 Loihi 2：該研究芯片結合了第一代研究芯片三年使用的經驗，並利用了英特爾工藝技術和異步設計方法的進步。
Loihi 2 的進步使該架構能夠支持新類別的神經啟發算法和應用程序，同時提供高達 10 倍的處理速度、高達 15 倍的資源密度（每個芯片多達 100 萬個神經元）以及更高的能效。得益於與英特爾技術開發部的密切合作，Loihi 2 採用了英特爾 4 工藝的預生產版本，突顯了英特爾 4 的健康和進步。 英特爾 4 中使用極紫外 (EUV) 光刻技術與過去的工藝技術相比，它簡化了版圖設計規則。這使得快速開發 Loihi 2 成為可能。
Lava 軟件框架滿足了神經形態研究社區對通用軟件框架的需求。作為一個開放的、模塊化的和可擴展的框架，Lava 將允許研究人員和應用程序開發人員在彼此的進步基礎上建立並融合一組通用的工具、方法和庫。Lava 在跨傳統和神經形態處理器的異構架構上無縫運行，支持跨平台執行和與各種人工智能、神經形態和機器人框架的互操作性。開發人員無需訪問專門的神經形態硬件即可開始構建神經形態應用程序，並且可以為 Lava 代碼庫做出貢獻，包括將其移植到其他平台上運行。
“洛斯阿拉莫斯國家實驗室的研究人員一直在使用 Loihi 神經形態平台來研究量子計算和神經形態計算之間的權衡，以及在芯片上實施學習過程，”洛斯阿拉莫斯的科學家 Gerd J. Kunde 博士說國家實驗室。“這項研究顯示了脈衝神經網絡和量子退火方法之間的一些令人興奮的等價性，用於解決困難的優化問題。我們還證明了反向傳播算法是訓練神經網絡的基本構建塊，以前認為不能在神經形態架構上實現，可以在 Loihi 上有效地實現。我們的團隊很高興能夠用第二代 Loihi 2 芯片繼續這項研究。”
關於關鍵突破：Loihi 2 和 Lava 為研究人員開發和表徵新的神經啟發應用程序提供了工具，用於實時處理、解決問題、適應和學習。值得注意的亮點包括：
- 更快、更通用的優化：Loihi 2 更強的可編程性將允許支持更廣泛的困難優化問題，包括從邊緣到數據中心系統的實時優化、規劃和決策。
- 持續和關聯學習的新方法：Loihi 2 改進了對高級學習方法的支持，包括反向傳播的變體，深度學習的主力算法。這擴大了適應和數據高效學習算法的範圍，這些算法可以由在線設置中運行的低功耗外形因素支持。
- 可通過深度學習訓練的新型神經網絡：Loihi 2 中的完全可編程神經元模型和廣義尖峰消息傳遞為可在深度學習中訓練的各種新神經網絡模型打開了大門。早期評估表明，與在原始 Loihi 上運行的標準深度網絡相比，Loihi 2 上的每次推理操作減少了 60 倍以上，而不會降低準確性。
- 與現實世界的機器人系統、傳統處理器和新型傳感器無縫集成：Loihi 2 通過整合更快、更靈活和更標準的輸入/輸出接口，解決了 Loihi 的實際限制。Loihi 2 芯片將支持以太網接口、與更廣泛的基於事件的視覺傳感器的無縫集成，以及更大的 Loihi 2 芯片網狀網絡。
