全球首臺！仿人腦超算「深南」即將面世，突破摩爾定律，能耗降低幾個數(shù)量級
加入技術(shù)交流群
編輯：潤【導讀】澳大利亞和德國高校的科研人員合作，開發(fā)出全球首臺仿人腦規(guī)模超算，能執(zhí)行每秒228萬億次突觸操作，未來將為人工智能應(yīng)用提供人腦規(guī)模的計算能力！
人腦作為地球上最為高效的計算設(shè)備，可以僅僅用20w的功率，1.3公斤的質(zhì)量，就能完成每秒100萬億次的運算量。
而現(xiàn)在人類最大的超級計算機Hewlett Packard Enterprise Frontier，也能以完成和人腦計算量相似的計算，但是占地680平米，運行功率達到2270萬瓦。
這兩個數(shù)字之間的巨大能耗差異，凸顯出了人腦作為計算設(shè)備構(gòu)架上的先進性。而最近，澳大利亞的科學家宣布，他們開發(fā)了一臺完全模仿人腦的超級計算機——DeepSouth，將在明年4月份上線。
這將是世界上第一臺能夠在人腦規(guī)模模擬神經(jīng)元（數(shù)十億）和突觸（數(shù)萬億）網(wǎng)絡(luò)的超級計算機，可以模擬每秒228萬億次突觸操作。
西悉尼大學的ICNS團隊與來自悉尼大學、墨爾本大學和德國亞琛大學的神經(jīng)形態(tài)領(lǐng)域的合作伙伴合作開發(fā)了這臺超算。
這臺超級計算機被命名為DeepSouth，是為了向IBM的TrueNorth系統(tǒng)和Deep Blue致敬。
西悉尼大學ICNS主任André van Schaik教授稱：
由于我們無法大規(guī)模模擬類腦網(wǎng)絡(luò)，我們對大腦如何使用神經(jīng)元進行計算的理解的進展受到阻礙。使用圖形處理單元 (GPU) 和多核中央處理單元 (CPU) 在標準計算機上模擬脈沖神經(jīng)網(wǎng)絡(luò)（Spiking Neural Networks）速度太慢且耗電。我們的系統(tǒng)將改變這一點。
這個平臺將增進我們對大腦的理解，并在傳感、生物醫(yī)學、機器人、太空和大規(guī)模人工智能應(yīng)用等不同領(lǐng)域開發(fā)大腦規(guī)模的計算應(yīng)用。
根據(jù)ICNS的說法，這個超算主要的收益在這幾個地方：
-極低功率完成超快速、大規(guī)模并行處理：大腦能夠以20瓦的功率處理相當于每秒10^18次的運算。
DeepSouth使用模擬大腦工作方式的神經(jīng)形態(tài)工程，可以快速處理大量數(shù)據(jù)，使用的電量少得多，同時比其他超級計算機小得多。
-可擴展性：系統(tǒng)允許添加更多硬件來創(chuàng)建更大的系統(tǒng)，或者縮小規(guī)模以實現(xiàn)更小的便攜式或更經(jīng)濟高效的應(yīng)用程序。
-可重新配置：利用現(xiàn)場可編程門陣列 (Leveraging Field Programmable Gate Arrays，F(xiàn)PGA) 促進硬件重新編程，從而能夠添加新的神經(jīng)元模型、連接方案和學習規(guī)則，從而克服使用定制設(shè)計硬件的其他神經(jīng)形態(tài)計算系統(tǒng)中出現(xiàn)的限制。
DeepSouth將通過前端進行遠程訪問，該前端允許使用流行的編程語言Python描述神經(jīng)模型和設(shè)計神經(jīng)網(wǎng)絡(luò)。前端的開發(fā)使研究人員無需詳細了解硬件配置即可使用該平臺。
-商業(yè)可用性：利用商用硬件可確保硬件的持續(xù)改進，獨立于設(shè)計超級計算機的團隊，克服使用定制設(shè)計硬件的其他神經(jīng)形態(tài)計算系統(tǒng)中出現(xiàn)的限制。
定制芯片需要大量時間來設(shè)計和制造，每個芯片的成本高達數(shù)千萬美元。使用商業(yè)現(xiàn)成的可配置硬件意味著該原型可以很容易在世界各地的數(shù)據(jù)中心復(fù)制。
-人工智能：通過模仿大腦，將能夠創(chuàng)建比當前模型更有效的方式來執(zhí)行人工智能流程。
晶體管的極限而要理解這個「仿真人腦」和現(xiàn)在通用計算機的差別，還是要從現(xiàn)代計算機的構(gòu)架入手。1945年6月30日，數(shù)學家和物理學家約翰·馮·諾依曼描述了一種新機器的設(shè)計——電子離散變量自動計算機 (Edvac)。這有效地定義了我們所知的現(xiàn)代電子計算機。
智能手機、筆記本電腦以及世界上最強大的超級計算機都一直沿用馮·諾依曼在大約80年前引入的相同基本結(jié)構(gòu)。它們都具有不同的處理和內(nèi)存單元，其中數(shù)據(jù)和指令存儲在內(nèi)存中并由處理器計算。幾十年來，微芯片上的晶體管數(shù)量大約每兩年增加一倍，這一現(xiàn)象被稱為摩爾定律。這使我們能夠擁有更小、更便宜的計算機。然而，晶體管尺寸現(xiàn)在已接近原子尺度。在如此微小的尺寸下，計算過程中產(chǎn)生過多的熱量是一個很嚴重的問題。這種被稱為量子隧道效應(yīng)的現(xiàn)象，會干擾晶體管的功能。這使得摩爾定律代表的晶體管小型化之路越來越難以走下去。
為了克服這個問題，科學家們正在探索新的計算方法，從都隱藏在頭腦中的強大計算機——人腦開始。大腦并不按照約翰·馮·諾依曼的計算機模型工作。它沒有單獨的計算和存儲區(qū)域。相反，它們的工作原理是連接數(shù)十億個以電脈沖形式傳遞信息的神經(jīng)細胞。信息可以通過稱為突觸的連接點從一個神經(jīng)元傳遞到下一個神經(jīng)元。大腦中神經(jīng)元和突觸的組織是靈活的、可擴展的和高效的。因此，與計算機不同的是，在大腦中，記憶和計算是由相同的神經(jīng)元和突觸控制的。自20世紀80年代末以來，科學家們一直在研究這個模型，意圖將其導入計算中。模仿生命
神經(jīng)形態(tài)計算機基于簡單的基本處理器（其作用類似于大腦的神經(jīng)元和突觸）的復(fù)雜網(wǎng)絡(luò)。這樣設(shè)計最主要優(yōu)點是機器本質(zhì)上是并行的。這意味著，與神經(jīng)元和突觸一樣，計算機中的幾乎所有處理器都可以同時運行，串聯(lián)通信。此外，由于單個神經(jīng)元和突觸執(zhí)行的計算與傳統(tǒng)計算機相比非常簡單，因此能耗要小幾個數(shù)量級。
盡管神經(jīng)元有時被認為是處理單元，突觸被認為是記憶單元，但它們有助于處理和存儲。換句話說，數(shù)據(jù)已經(jīng)位于計算需要的地方，沒有分別用處理器和存儲器分開。這總體上加快了大腦的計算速度，因為內(nèi)存和處理器之間沒有分離，這在經(jīng)典（馮·諾依曼）機器中會導致速度減慢。但它也避免了執(zhí)行從主存儲器組件訪問數(shù)據(jù)的特定任務(wù)的需要，就像傳統(tǒng)計算系統(tǒng)中發(fā)生的那樣，并且消耗大量的能量。這些原則是DeepSouth的主要靈感。但這不是目前唯一活躍的神經(jīng)形態(tài)系統(tǒng)。值得一提的是由歐盟倡議資助的人腦項目（HBP）。HBP于2013年至2023年運行，并催生了BrainScaleS，這是一臺位于德國海德堡的機器，用于模擬神經(jīng)元和突觸的工作方式。由于神經(jīng)形態(tài)計算機被設(shè)計用來模仿真實的大腦，因此它們可能是一個轉(zhuǎn)折點的開始。它們提供可持續(xù)且經(jīng)濟實惠的計算能力，并允許研究人員評估神經(jīng)系統(tǒng)模型，是一系列應(yīng)用的理想平臺。它們有潛力促進人類對大腦的理解，并為人工智能提供新的方法。來源：新智元
*博客內(nèi)容為網(wǎng)友個人發(fā)布，僅代表博主個人觀點，如有侵權(quán)請聯(lián)系工作人員刪除。
