Intel avanza en la computación neuromórfica con Loihi 2, el nuevo framework del software Lava y nuevos socios

El chip de investigación de segunda generación utiliza el proceso Intel 4 de preproducción y crece hasta un millón de neuronas. Intel añade un framework de software abierto para acelerar la innovación de los desarrolladores y el camino hacia la comercialización.

Qué hay de nuevo: Intel ha presentado hoy Loihi 2, su chip de investigación neuromórfico de segunda generación, y Lava, un framework de software de código abierto para el desarrollo de aplicaciones neuroinspiradas. Su presentación señala el progreso continuo de Intel en el avance de la tecnología neuromórfica.

"Loihi 2 y Lava recogen los resultados de varios años de investigación en colaboración con Loihi. Nuestro chip de segunda generación mejora enormemente la velocidad, la programabilidad y la capacidad del procesamiento neuromórfico, ampliando sus usos en aplicaciones de computación inteligente con limitaciones de potencia y latencia. Estamos abriendo Lava para responder a la necesidad de convergencia de software, evaluación comparativa y colaboración entre plataformas en este campo, y para acelerar nuestro progreso hacia la viabilidad comercial".

–Mike Davies, director del Laboratorio de Computación Neuromórfica de Intel

Por qué es importante: La computación neuromórfica, que se basa en los conocimientos de la neurociencia para crear chips que funcionen de forma más parecida al cerebro biológico, aspira a ofrecer mejoras de órdenes de magnitud en la eficiencia energética, la velocidad de cálculo y la eficiencia del aprendizaje en una serie de aplicaciones de vanguardia: desde la visión, el reconocimiento de voz y de gestos hasta la recuperación de búsquedas, la robótica y los problemas de optimización con restricciones.

Las aplicaciones que Intel y sus socios han demostrado hasta la fecha incluyen brazos robóticos, pieles neuromórficas y detección olfativa.

Acerca de Loihi 2: El chip de investigación incorpora los aprendizajes de tres años de uso con el chip de investigación de primera generación y aprovecha los avances en la tecnología de procesos de Intel y los métodos de diseño asíncrono.

  • Los avances de Loihi 2 permiten que la arquitectura admita nuevas clases de algoritmos y aplicaciones neuroinspiradas, a la vez que proporciona un procesamiento hasta 10 veces más rápido1, una densidad2 de recursos hasta 15 veces mayor con hasta 1 millón de neuronas por chip, y una mayor eficiencia energética. Gracias a una estrecha colaboración con el Grupo de Desarrollo Tecnológico de Intel, Loihi 2 se ha fabricado con una versión de preproducción del proceso Intel 4, lo que pone de manifiesto el buen estado y el progreso de Intel 4. El uso de la litografía ultravioleta extrema (EUV) en Intel 4 ha simplificado las reglas de diseño de la disposición en comparación con las tecnologías de proceso anteriores. Esto ha permitido desarrollar rápidamente Loihi 2.
  • El framework del software Lava responde a la necesidad de un framework de software común en la comunidad de investigación neuromórfica. Al ser un framework abierto, modular y extensible, Lava permitirá a los investigadores y desarrolladores de aplicaciones basarse en los avances de los demás y converger en un conjunto común de herramientas, métodos y bibliotecas. Lava se ejecuta sin problemas en arquitecturas heterogéneas de procesadores convencionales y neuromórficos, lo que permite la ejecución multiplataforma y la interoperabilidad con diversos frameworks de inteligencia artificial, neuromórficos y robóticos. Los desarrolladores pueden empezar a crear aplicaciones neuromórficas sin necesidad de acceder a hardware neuromórfico especializado y pueden contribuir a la base de código de Lava, incluso portándola para que funcione en otras plataformas.

"Los investigadores del Laboratorio Nacional de Los Álamos han estado utilizando la plataforma neuromórfica Loihi para investigar las compensaciones entre la computación cuántica y la neuromórfica, así como para implementar procesos de aprendizaje en el chip", dijo el Dr. Gerd J. Kunde, científico del Laboratorio Nacional de Los Álamos. "Esta investigación ha mostrado algunas equivalencias interesantes entre las redes neuronales con clavos y los enfoques de recocido cuántico para resolver problemas de optimización difíciles. También hemos demostrado que el algoritmo de retropropagación, un elemento fundamental para el entrenamiento de redes neuronales y que hasta ahora se creía que no podía implementarse en arquitecturas neuromórficas, puede realizarse de forma eficiente en Loihi. Nuestro equipo está encantado de continuar esta investigación con la segunda generación del chip Loihi 2".

Acerca de Key Breakthroughs: Loihi 2 y Lava proporcionan herramientas a los investigadores para desarrollar y caracterizar nuevas aplicaciones neuroinspiradas para el procesamiento en tiempo real, la resolución de problemas, la adaptación y el aprendizaje. Los aspectos más destacados son los siguientes.

  • Optimización más rápida y general: La mayor programabilidad de Loihi 2 permitirá soportar una clase más amplia de problemas de optimización difíciles, incluyendo la optimización en tiempo real, la planificación y la toma de decisiones desde los sistemas de borde hasta los de centro de datos.
  • Nuevos enfoques para el aprendizaje continuo y asociativo: Loihi 2 mejora la compatibilidad con los métodos de aprendizaje avanzados, incluidas las variaciones de la retropropagación, el algoritmo de trabajo del aprendizaje profundo. Esto amplía el alcance de los algoritmos de adaptación y aprendizaje eficiente de datos que pueden ser soportados por factores de forma de bajo consumo que operan en entornos en línea.
  • Nuevas redes neuronales entrenables por el aprendizaje profundo: Los modelos de neuronas totalmente programables y la mensajería de picos generalizada en Loihi 2 abren la puerta a una amplia gama de nuevos modelos de redes neuronales que pueden ser entrenados en el aprendizaje profundo. Las primeras evaluaciones sugieren reducciones de más de 60 veces menos operaciones por inferencia en Loihi 2 en comparación con las redes profundas estándar que se ejecutan en el Loihi original sin pérdida de precisión3. Loihi 2 aborda una limitación práctica de Loihi al incorporar interfaces de entrada/salida más rápidas, flexibles y estándar.
  • Integración perfecta con sistemas robóticos del mundo real, procesadores convencionales y nuevos sensores: Loihi 2 aborda una limitación práctica de Loihi al incorporar interfaces de entrada/salida más rápidas, flexibles y estándar. Los chips Loihi 2 admitirán interfaces Ethernet, la integración sin cola con una gama más amplia de sensores de visión basados en eventos, y mayores redes malladas de chips Loihi 2.

Puede encontrar más detalles en el informe técnico de Loihi 2/Lava.

Acerca de la Comunidad de Investigación Neuromórfica de Intel: La Comunidad de Investigación Neuromórfica Intel (INRC) ha crecido hasta alcanzar casi 150 miembros, con varias nuevas incorporaciones este año, incluyendo a Ford, el Instituto de Tecnología de Georgia, el Instituto de Investigación del Suroeste (SwRI) y Teledyne-FLIR. Los nuevos socios se unen a una sólida comunidad de socios académicos, gubernamentales e industriales que están trabajando con Intel para impulsar los avances en los usos comerciales del mundo real de la computación neuromórfica. (Lea lo que dicen nuestros socios sobre la tecnología Loihi).

"Avances como el nuevo chip Loihi 2 y la API Lava son pasos importantes en la computación neuromórfica", dijo Edy Liongosari, científico jefe de investigación y director general de Accenture Labs. "La arquitectura neuromórfica de nueva generación será crucial para la investigación de Accenture Labs sobre algoritmos de visión informática inspirados en el cerebro para la computación de borde inteligente que podría alimentar los futuros auriculares de realidad extendida o los robots móviles inteligentes. El nuevo chip proporciona características que lo harán más eficiente para la computación hiperdimensional y puede permitir un aprendizaje más avanzado en el chip, mientras que la API de Lava proporciona a los desarrolladores una interfaz más simple y racionalizada para construir sistemas neuromórficos."

Sobre el camino a la comercialización: El avance de la computación neuromórfica desde la investigación en el laboratorio hasta la tecnología comercialmente viable es un esfuerzo de tres vertientes. Requiere una mejora iterativa continua del hardware neuromórfico en respuesta a los resultados de la investigación algorítmica y de aplicaciones; el desarrollo de un marco común de software multiplataforma para que los desarrolladores puedan comparar, integrar y mejorar las mejores ideas algorítmicas de diferentes grupos; y colaboraciones profundas entre la industria, el mundo académico y los gobiernos para construir un ecosistema neuromórfico rico y productivo para explorar casos de uso comercial que ofrezcan valor comercial a corto plazo.

Los anuncios realizados hoy por Intel abarcan todas estas áreas, poniendo nuevas herramientas en manos de un ecosistema cada vez más amplio de investigadores neuromórficos dedicados a repensar la informática desde sus cimientos para ofrecer avances en el procesamiento inteligente de la información.

Qué viene: Intel ofrece actualmente dos sistemas neuromórficos basados en Loihi 2 a través de la nube de investigación neuromórfica a los miembros comprometidos del INRC: Oheo Gulch, un sistema de un solo chip para la evaluación temprana y Kapoho Point, un sistema de ocho chips que estará disponible en breve. El framework de software Lava está disponible para su descarga gratuita en GitHub.  En el próximo evento de Intel Innovation, que tendrá lugar en octubre, se realizará una presentación y se impartirán tutoriales sobre Loihi 2 y Lava.

Más contexto: Computación neuromórfica: la próxima generación de IA (Intel.com) | Computación neuromórfica en Intel (Kit de prensa).

La letra pequeña:

1Basado en simulaciones de Lava en septiembre de 2021 de una variante de nueve capas de la carga de trabajo de inferencia de PilotNet DNN implementada como red neuronal sigma-delta en Loihi 2 en comparación con la misma red implementada con codificación de tasa SNN en Loihi.  El modelo de rendimiento de Loihi para ambos chips se basa en la caracterización del silicio utilizando la versión 1.0.0 del SDK de Nx con una CPU Intel Xeon E5-2699 v3 a 2,30 GHz, 32 GB de RAM, como anfitrión ejecutando la versión 20.04.2 de Ubuntu.  Los resultados de Loihi utilizan el sistema Nahuku-32 ncl-ghrd-04. Los resultados de Loihi 2 utilizan el sistema Oheo Gulch ncl-og-04. Los resultados pueden variar.

2Basado en el tamaño del núcleo de Loihi 2 de 0,21 mm2 que soporta hasta 8192 neuronas, comparado con el tamaño del núcleo de Loihi de 0,41 mm2 que soporta hasta 1024 neuronas.

3Basado en las mediciones de la carga de trabajo de inferencia de la DNN PilotNet de nueve capas a la que se hace referencia anteriormente, con una implementación de la red neuronal sigma-delta en Loihi 2 que logra un error medio cuadrático (MSE) de 0,035 con 323.815 operaciones sinápticas, en comparación con una SNN codificada en Loihi 1 que logra un MSE de 0,0412 con 20.250.023 operaciones sinápticas.

El contenido de esta página es una combinación de la traducción humana y automática del contenido original en inglés. Este contenido se ofrece únicamente para su comodidad como información general y no debe considerarse completa o precisa. Si hay alguna contradicción entre la versión en inglés de esta página y la traducción, prevalecerá la versión en inglés. Consulte la versión en inglés de esta página.