Intel Meluncurkan Loihi 2: Chip Neuromorfik Generasi Berikutnya dengan Pengprograman Canggih dan Skalabilitas 3D
Intel telah mengumumkan Loihi 2, prosesor neuromorfik generasi kedua yang dibangun pada node proses Intel 4 pra-produksi. Chip baru ini disesuaikan untuk peneliti yang mengeksplorasi jaringan saraf spiking (SNN) generasi berikutnya dan memberikan peningkatan signifikan dalam kemampuan pemrograman, densitas, dan skalabilitas.
Loihi 2 memperkenalkan set instruksi neuron yang sepenuhnya terprogram yang memungkinkan spike untuk membawa payload integer daripada biner 0/1 yang digunakan di Loihi 1. Perubahan ini meningkatkan ekspresivitas model dan mengurangi jumlah neuron yang diperlukan untuk tugas tertentu.
Sebelum hardware, Intel meluncurkan Lava—stack software open-source yang menyatukan pemrograman berbasis event, eksekusi heterogen, dan berbagi kode yang dipicu komunitas. Framework ini dirancang untuk mempercepat pengembangan aplikasi neuromorfik dan untuk menutup kesenjangan antara riset dan deployment.
Sementara CPU konvensional menggunakan memory yang halus, Loihi menyimpan data secara langsung di dalam setiap inti, memungkinkan operasi yang benar-benar asinkron yang cocok dengan logika berbasis waktu otak biologis. Menurut Mike Davies, direktif Laboratorium Komputasi Neuromorfik Intel, “Komputasi chip muncul dari interaksi dinamis elemennya, mencapai kesetimbangan yang mengenkode jawaban.”
Prototipe Loihi generasi pertama telah digunakan dalam berbagai skenario: pengontrol lengan robot adaptif yang mengurangi aus, sistem pengenalan bau yang mempelajari bau lebih cepat dari baseline deep learning, dan mesin penjadwalan kereta yang bereaksi terhadap gangguan waktu nyata. Kasus penggunaan ini menekankan potensi platform untuk kecerdasan waktu nyata dan hemat daya di dunia nyata.
Peningkatan Kunci dalam Loihi 2
Loihi 2 menampilkan 128 inti seperti pendahulunya, tetapi jumlah neuron dikalikan delapan kali. Area chip keseluruhan setengahnya berkat proses Intel 4, memberikan peningkatan sekitar 15 kali lipat kapasitas jaringan per milimeter persegi. Memori dipartisi menjadi bank yang fleksibel dan dikompresi, membebaskan ruang untuk neuron dan sinapsis tambahan.
Dengan set instruksi baru, pengembang dapat memprogram model neuron kustom yang menyertakan operasi aritmatika, perbandingan, dan alur kontrol. Kemampuan mikro-kode ini membuka arsitektur SNN yang lebih kaya dan memungkinkan pemetaan yang efisien dari algoritma kompleks.
Spike pada Loihi 2 membawa payload integer yang dapat dikonfigurasi, memungkinkan pesan berbasis event yang mendukung jaringan saraf delta-sigma (SDNNs). SDNNs menghitung aktivasi tergrade seperti DNN tradisional tetapi hanya mengirim perubahan signifikan, menyediakan inferensi yang lebih cepat dari pendekatan berbasis waktu ketat dari Loihi 1.
Loihi 2 dapat mencapai percepatan hingga 10 kali pada tingkat rangkaian dan memproses jaringan 5.000 kali lebih cepat dari neuron biologis. Desain ini memperkenalkan port skalabilitas 3D yang memungkinkan jaringan chip datar menjadi array volumetrik, dengan bandwidth antar-chip diperempatkan dan lalu lintas spike dikompresi sepuluh kali lipat. Secara keseluruhan, sistem memberikan peningkatan kapasitas 60 kali lipat untuk sebagian besar beban kerja.
Pembelajaran tiga-faktor, paradigma pelatihan neuromorfik canggih, kini didukung, memungkinkan peneliti untuk mendekati back-propagation pada hardware. Ini membuka jalur baru untuk melatih arsitektur dalam secara langsung pada Loihi 2.
Ketersediaan Loihi 2
Peneliti dapat memperoleh papan Oheo Gulch satu chip untuk prototipasi cepat, diikuti oleh sistem Kapoho Point delapan chip yang menawarkan antarmuka Ethernet untuk deployment yang dapat ditumpuk. Papan ini menyediakan platform latensi rendah dan throughput tinggi untuk aplikasi edge seperti robotika.
Lava – Ekosistem Software Open-Source
Sementara hardware telah berkembang pesat, dukungan software telah tertinggal. Lava bertujuan untuk mengisi kesenjangan itu dengan menawarkan API terpadu untuk pemrograman berbasis event dan asinkron serta eksekusi heterogen. Ia memungkinkan pengembang untuk membuat prototipe pada CPU dan kemudian melemparkan inti komputasi intensif ke Loihi 2, menurunkan ambang masuk dan memfasilitasi kolaborasi di seluruh laboratorium.
Lava dihosting di GitHub dan menyambut kontribusi dari komunitas neuromorfik. Dengan menyediakan blok konstruksi bersama dan model contoh, framework ini berusaha untuk mempercepat inovasi dan mendorong komersialisasi teknologi neuromorfik.
Awalnya diterbitkan di EE Times.
Konten Terkait:
Making the case for neuromorphic chips for AI computing
Spiking neural network targets Arm chips
Advanced AI chips to build on emerging memory technologies
Neuromorphic AI chips for spiking neural networks debut
The benchmarking conundrum of neuromorphic computing
Untuk lebih banyak Embedded, berlangganan newsletter email mingguan Embedded.
