Intel hat am Mittwoch sein neuestes neuromorphes Computersystem, Hala Point, vorgestellt. Mit 1.152 Loihi 2-Prozessoren ausgestattet, zielt es darauf ab, die Forschung zu hirninspirierten künstlichen Intelligenz (KI) voranzutreiben und nachhaltige KI-Anwendungen zu fördern.
Obwohl heute angekündigt, ist Hala Point ein Forschungsprototyp und nicht kommerziell erhältlich. Intel hat dieses neuromorphe System an die Sandia National Laboratories übergeben, die zum National Nuclear Security Administration (NNSA) des US-Energieministeriums gehören. Diese Zusammenarbeit besteht seit 2021 und hat das Ziel, neuromorphe Computierung in der KI weiter zu erforschen.
„Die Rechenkosten der heutigen KI-Modelle steigen auf unhaltbare Weise“, sagte Mike Davies, Direktor des Neuromorphic Computing Lab von Intel Labs. „Wir haben Hala Point entwickelt, um einen neuen Ansatz zu repräsentieren, der die Effizienz des Deep Learning mit innovativen, hirninspirierten Lern- und Optimierungsfähigkeiten kombiniert.“
Hala Point kann bis zu 30 Billiarden Operationen pro Sekunde (30 Petaops) unterstützen und bietet eine Effizienz von über 15 Billionen 8-Bit-Operationen pro Sekunde pro Watt bei der Ausführung konventioneller tiefer neuronaler Netzwerke.
Die Architektur des Systems umfasst Tausende von Loihi 2-Prozessoren, die in der Lage sind, 1,15 Milliarden Neuronen und 128 Milliarden Synapsen über mehr als 140.000 neuromorphe Verarbeitungskerne zu unterstützen. Darüber hinaus verfügt es über mehr als 2.300 integrierte x86-Prozessoren und bietet eine signifikante Speicherkapazität: 16 Petabyte pro Sekunde für den Speicher, 11 PB/s für die Inter-Core-Kommunikation und 5,5 Terabyte pro Sekunde für die Inter-Chip-Kommunikation.
Hala Point stellt eine bedeutende Weiterentwicklung des ersten großangelegten Forschungssystems von Intel, Pohoiki Springs, dar und bietet eine Verzehnfachung der Neuronenkapazität sowie eine zwölffache Leistungssteigerung.
„Angewendet auf bioinspirierte spiking neural network Modelle kann Hala Point 1,15 Milliarden Neuronen mit Geschwindigkeiten ausführen, die bis zu 20 Mal schneller sind als die eines menschlichen Gehirns und 200 Mal schneller bei geringeren Kapazitäten“, bemerkte Davies. „Während es nicht für die Modellierung der Neurowissenschaften gedacht ist, ist seine Neuronenkapazität ungefähr vergleichbar mit der eines Eulenhirns oder dem Kortex eines Kapuzineraffen.“
Die Fortschritte von Pohoiki Springs, zusammen mit Verbesserungen in der Loihi 2-Architektur, positionieren Hala Point so, dass es neuromorphe Leistungssteigerungen für gängige Deep Learning-Modelle bieten kann, insbesondere für solche, die Echtzeitverarbeitung erfordern, wie Video, Sprache und drahtlose Kommunikation.
Obwohl Hala Point nicht öffentlich verfügbar ist, wird angenommen, dass es großangelegte hirnbasierte Berechnungen für die Sandia Labs und NNSA-Forschungsteams erleichtert und erhebliche Herausforderungen in der Physik, Chemie und Umweltwissenschaften angeht.
„Hala Point kann Optimierungsprobleme mit 100 Mal weniger Energie und mit Geschwindigkeiten von bis zu 50 Mal schneller als herkömmliche CPU- und GPU-Architekturen lösen“, erklärte Davies. „Dieser aufregende Forschungsbereich nutzt hirninspirierten Algorithmen, die sich erheblich von denen unterscheiden, die für konventionelle Verarbeitung entwickelt wurden. Mögliche Anwendungen umfassen Logistik, Fahrzeugflotten-Routing, Bahnfahrpläne und das Management von Infrastrukturen in Smart Cities.“
Intel hat die Kosten für Hala Point nicht offengelegt, jedoch haben Mitglieder der Intel Neuromorphic Research Community Zugang zu kleineren Systemen über eine kostenlose Cloud-Plattform, die für Akademien, Behörden und Unternehmen offen ist.
Rangliste
