Denkende Computer hüpfen über einen Meilenstein Intel stellt ein System mit 64 neuromophen Chips vor

„Pohoiki Beach“ oder auch „Isaac Hale Beach Park“ liegt auf Hawaii. Pohoiki Beach ist aber auch der Codename des jüngsten Chips aus dem Hause Intel. Das neuromorphe System mit 8 Millionen Neuronen basiert auf dem Forschungschip „Loihi“.

Anbieter zum Thema

Schneider Electric GmbH

Fujitsu Technology Solutions GmbH

Insider Research

Intel Deutschland GmbH

Nach Intel-Angaben ermöglicht Loihi Anwendern, Informationen bis zu 1.000 mal schneller und 10.000 mal effizienter zu verarbeiten als CPUs für spezielle Anwendungen wie Sparse Coding, Graphensuche und Constraints. Den gerade einmal 60 Quadratmillimeter, im 14 Nanometer-Verfahren gefertigten Chip hat der Hersteller im Jahr 2017 vorgestellt.

Jetzt, da er besser skalieren kann, wird er den Intel-Partnern zur Verfügung gestellt, damit ein Ökosystem aus Anwendungen entstehen kann. Rich Uhlig, Geschäftsführer von Intel Labs, erläutert: „Wir sind beeindruckt von den ersten Ergebnissen, die bei der Skalierung von Loihi zur Schaffung leistungsfähigerer neuromorpher Systeme gezeigt wurden. Pohoiki Beach wird nun mehr als 60 Partnern zur Verfügung stehen, die dieses spezialisierte System zur Lösung komplexer, rechenintensiver Probleme nutzen werden.“

Dem jetzigen Status vorausgegangen war mit „Wolf Mountain“ eine Entwicklerplattform, die mit vier Loihi-Chips arbeitete; Ende des vergangenen Jahres folgte „Nahuku“, eine Plattform die mit acht bis 32 Chips zurechtkam – die Entwicklung reichte bis zu 16 Chips auf einer Platine, die in einem 4 x 4-Raster angeordnet sind. Die Anzahl der neuromophen Kerne skaliert dabei Linear. Somit bietet ein Loihi-Chip mit 128 Cores im bisherigen Maximalausbau auf dem Nahuku-Board 4.096 Cores.

Dringend gesucht: Algorithmen

Außerdem gründete Intel im März 2018 die „Intel Neuromorphic Research Community“ (INRC) zur Förderung der Entwicklung neuromorpher Algorithmen, Software und Anwendungen. Über das INRC bietet Intel Zugang zu seinen Loihi Cloud-Systemen und „Kapoho Bay“, einem Loihi-basierten USB-Formfaktor-System. Das hat die Forschung an realen Anwendungen für neuromorphe Technologien bereits belebt.

Pohoiki Beach ist noch skalierbarer, und zwar durch zusammenschalten. In der ersten Stufe werden zwei Nahuku-Boards kombiniert, im Nächsten Schritt, „Pohoiki Springs“ sollen 24 Nahuku-Boards als Dreigespann zusammengechaltet und zudem in acht Reihen hintereinander verbaut. Das entspricht dann 768 Loihi-Chips mit 98.304 Neuromotphic Cores und 100 Millionen Neuronen. Schon in diesem Jahr soll es soweit sein.

Neuromorphe Chips sind nicht für jede Art von Anwendung gedacht. Intel nennt neuronal inspirierte Algorithmen wie Sparse Coding, simultane Lokalisierung und – simultanes Mapping (SLAM). In der Unternehmensmitteilung heißt es: „Die Fortsetzung der durch das Moore'sche Gesetz ermöglichten Macht- und Leistungssteigerungen erfordert mehr als eine kontinuierliche Skalierung der Prozess-Knoten. Da neue komplexe Computer-Workloads zur Norm werden, steigt der Bedarf an spezialisierten Architekturen, die für bestimmte Anwendungen konzipiert sind.

Erste Reaktionen

Bei dem „Telluride Neuromorphic Cognition Engineering Workshop“ in der vergangenen Woche etwa haben die Forschungspartner zum einen die unglaubliche Performance herausgestellt, aber auch den geringen Energieverbrauch. „Durch den Einsatz dieser Art von Spezialsystem im Gegensatz zu universellen Computertechnologien können wir erwarten, Geschwindigkeits- und Effizienzsteigerungen um Größenordnungen für eine Reihe von realen Anwendungen zu realisieren, von autonomen Fahrzeugen über Smart Homes bis hin zu Cyber-Sicherheit“, heißt es in der Intel-Mitteilung. Außerdem soll es um einige der für das Internet der Dinge (IoT) am schwierigsten zu bewältigenden Rechenprobleme und autonome Geräte gehen.

Bildergalerie

Bildergalerie mit 5 Bildern

Chris Eliasmith, Co-CEO der Applied Brain Research und Professor an der University of Waterloo, sagt zum Beispiel: „Mit dem Loihi-Chip konnten wir einen 109-mal niedrigeren Stromverbrauch bei einem Echtzeit-Tiefenlern-Benchmark im Vergleich zu einem GPU und einen 5-mal niedrigeren Stromverbrauch im Vergleich zu spezialisierter IoT-Inferenzhardware nachweisen.“ Im Vergleich noch besser schneidet Loihi beim Skalieren ab: „Wenn wir das Netzwerk um das Fünffache vergrößern, hält Loihi die Echtzeit-Leistungsergebnisse aufrecht und verbraucht nur 30 Prozent mehr Strom, während die herkömmliche IoT-Hardware 500 Prozent mehr Strom verbraucht und die Ergebnisse nicht mehr in Echtzeit liefert.“

Auch Professor Konstantinos Michmizos von der Rutgers University, zeigte sich begeistert, als als er die Arbeit seines Labors an SLAM beschrieb, die auf der International Conference on Intelligent Robots and Systems (IROS) im November vorgestellt werden soll: „Loihi erlaubt uns, ein neuronales Netzwerk zu realisieren, das die zugrunde liegenden neuronalen Darstellungen und Verhaltensweisen des Gehirns imitiert. Die SLAM-Lösung entstand als eine Eigenschaft der Netzwerkstruktur. Wir haben das Loihi-Run-Netzwerk verglichen und festgestellt, dass es ebenso genau ist und 100-mal weniger Energie verbraucht als eine weit verbreitete CPU-Run-SLAM-Methode für mobile Roboter.

(ID:46041080)