Suchen

Rechner mit Intel Loihi Ein neuromorpher Computer mit dem Gehirn eines Hamsters

Autor: Sebastian Gerstl

Intel hat 768 seiner neuromorphen „Loihi“-Chips zu einem 5-Rack-Verbundrechner skaliert. Der „Pohoiki Spings“ getaufte neuromorphe Computer, der zur Entwicklung komplexer KI-Algorithmen dient, verfügt über das Äquivalent von etwa 100 Millionen Neuronen. Dies entspräche dem Gehirn eines kleinen Nagetiers.

Firma zum Thema

Das aus 768 neuromorphen Loihi-Chips bestehende Computersystem Pohoiki Springs verfügt über das äquivalent von 100 Millionen Neuronen, was in etwa dem Gehirn eines Hamsters entspricht.
Das aus 768 neuromorphen Loihi-Chips bestehende Computersystem Pohoiki Springs verfügt über das äquivalent von 100 Millionen Neuronen, was in etwa dem Gehirn eines Hamsters entspricht.
(Bild: gemeinfrei / Pixabay )

Intel hat ein neuromorphes Computersystem bestehend aus 768 seiner Loihi-Chips vorgetellt. Das aus 5 Rack-Einheiten bestehend, Cloud-basierte System namens Pohoiki Springs soll in Intels Neuromorpher Forschungsgemeinschaft INRC (Intel Neuromorphic Research Community) dazu dienen, die Forschung und Entwicklung größerer und komplexerer neuromorpher Algorithmen zu ermöglichen.

Pohoiki Springs enthält nach Angaben von Intel 98.304 neuromorphische Cores, was das Äquivalent von 100 Millionen Neuronen in einem natürlichen Gehirn darstelle. Dies entspräche in etwa derselben Neuronenzahl wie im Gehirn eines kleinen Säugetiers, zum Beispiel einer afrikanischen Maulwurfsratte oder eines Hamsters.

Vom neuromorphen Chip zum neuromorphen Computersystem

Intel hat seinen neuromorphen Chip Loihi erstmals 2017 vorgestellt. Neuromorphe Chips sind so konzipiert, dass sie ähnlich wie die Neuronen und Synapsen im menschlichen Gehirn funktionieren. Dort regeln „Spikes“ genannte elektrische Impulse die Stärke der Verbindungen zwischen den einzelnen Neuronen. Die Modulation dieses Spikes wird im neuromorphen Chip nachgeahmt, um so die verschiedenen Parameter eines künstlichen Neuronalen Netzes so beeinflussen.

Ein Computer auf Basis solcher neuronalen Chips soll entsprechend in der Lage sein, wie ein natürliches Gehirn auf der Basis nur weniger Testdaten selbsttätig zu lernen und das Erlernte schnell anzuwenden. Intel verspricht, dass Loihi-Chips aufgrund ihrer extremen Parallelität und asynchroner Datenübertragung bis zu 1000-mal schneller und bis zu 10.000-mal effizienter als konventionelle Prozessoren seien, wenn es um das Trainieren neuronaler Netze geht. Gleichzeitig sei ein Loihi-basiertes System wesentlich Energie-effizienter.

„Pohoiki Springs skaliert unseren neuromorphen Forschungschip Loihi um mehr als das 750-fache, auf ein System, dass mit einer Leistung von weniger als 500 Watt arbeitet,“ sagt Mike Davies, Direktor ím Intel Neuromorphic Computing Lab. „Das System ermöglicht es unseren Forschungspartnern, Wege zu erforschen, um Arbeitslasten zu beschleunigen, die heute auf konventionellen Architekturen, einschließlich Supercomputer-Systemen, langsam laufen.“

2018 hatte Intel mit Kapoho Bay ein System im USB-Formfaktor vorgestellt, dass auf 2 Loihi-Chips basierte und etwa 262.000 Neuronen aufwies, was in etwa dem Gehirn einer Fruchtfliege entspräche. Kapoho Bay ist für die Entwicklung von Algorithmen für Edge-Systeme gedacht.

Ein Nahuku-Board von Intel. Die skalierbare Plattform enthält jeweils 8 bis 32 neuromorphe Loihi-Chips pro Board.
Ein Nahuku-Board von Intel. Die skalierbare Plattform enthält jeweils 8 bis 32 neuromorphe Loihi-Chips pro Board.
(Bild: Tim Herman / Intel Corporation)

Auf dieser Grundlage wurden bereits Gesten- oder Braille-Erkennungssysteme demonstriert. Ende des Jahres folgte „Nahuku“, eine skalierbare Plattform, die zwischen acht und 32 Loihi-Chips bot. Im Juli 2019 demonstrierte Intel schließlich mit Pohoiki Beach ein 64-Chip-System aus mehreren kombinierten Nahuku-Boards, dass bereits 8 Millionen Neuronen abbildete. Die Bezeichnungen für all diese Bausteine entsprechen Wörtern oder Regionen aus Hawai'i.

Das nun vorgestellte Poihoiki-Springs-System setzt insgesamt 24 Nahuku-Boards mit jeweils 32 Loihi-Chips ein. Hinzu kommen drei Arria-10-FPGA-Boards, die sich um die I/O-Signale kümmern. Die zuvor erwähnte Spike-basierte Signalisierung erfolgt zwischen allen 768 eingesetzten Loihi-Chips. Das gesamte 5-Rack-System braucht dabei gerade einmal 300 Watt Leistung.

Erforschung noch komplexerer neuromorpher Systeme

Intels neuromorphe Systeme, wie Pohoiki Springs, befinden sich noch in der Forschungsphase und sind nicht dazu gedacht, herkömmliche Computersysteme zu ersetzen. Stattdessen stellen sie ein Werkzeug für Forscher dar, um neue, von der Neurotechnologie inspirierte Algorithmen für Echtzeitverarbeitung, Problemlösung, Anpassung und Lernen zu entwickeln und zu charakterisieren.

Pohoiki Springs steht Mitgliedern der INRC via Cloud zur Verfügung. Mit Hilfe des „Intel Nx“ SDK und von der Community beigesteuerten Softwarekomponenten können diese Sowohl auf Anwendungen zugreifen als auch neue Anwendungen diese erstellen.

Intels neuromorphes Computersystem Pohoiki Springs besteht aus fünf Racks, die 24 Nahuku-Boards mit insgesamt 768 Loihi-Chips sowie drei Arria-10-FPGA-Boards in einem Gehäuse vereinen. Das System dient der Entwicklung komplexer neuromorpher Algorithmen und zieht 300W Leistung.
Intels neuromorphes Computersystem Pohoiki Springs besteht aus fünf Racks, die 24 Nahuku-Boards mit insgesamt 768 Loihi-Chips sowie drei Arria-10-FPGA-Boards in einem Gehäuse vereinen. Das System dient der Entwicklung komplexer neuromorpher Algorithmen und zieht 300W Leistung.
(Bild: Intel Corporation)

Pohoiki Springs soll zunächst in erster Linie zur Entwicklung größerer, komplexerer und fortschrittlicherer, vom Gehirn inspirierter Algorithmen dienen. Einige der interessantesten Anwendungen sind bisher solche, die das menschliche Gehirn leicht umsetzen kann, die aber für Computer aufgrund hoher Parallelitätsansprüche rechnerisch schwierig sind.

Ein Beispiel dafür sind etwa Graph Search Algorithmen zur Bestimmung optimaler Pfade, etwa wenn es um die Suche nach der kürzesten Route zwischen zwei Standorten zur Bestimmung einer Fahrtroute geht. Auch die Suche nach Mustern, etwa um vergleichbare Objekte in Bild- und Videodatenbanken aufzuspüren, sind ein denkbares Anwendungsszenario. Optimierungsaufgaben wie die Steuerung von Ampeln zur Minimierung des Stadtverkehrs wären für den praktikablen Einsatz ebenfalls vorstellbar.

Hinweis: Den Artikel haben wir vom Partnerportal „Elektronik Praxis“ übernommen.

Artikelfiles und Artikellinks

(ID:46462074)

Über den Autor