Graphcore宣布學(xué)術(shù)計劃，支持并加速人工智能創(chuàng )新

Graphcore近日宣布啟動(dòng)Graphcore學(xué)術(shù)計劃，進(jìn)一步擴展該公司有關(guān)支持大學(xué)和其他機構探索人工智能新應用和新方法的長(cháng)期承諾。

Graphcore學(xué)術(shù)計劃旨在為世界各地有意在研究或教學(xué)工作中使用Graphcore系統的研究人員、項目負責人、教授、碩士生、博士生以及博士后們提供支持。

Graphcore學(xué)術(shù)計劃的參與者將獲得IPU計算系統的免費訪(fǎng)問(wèn)權限，包含搭載有8個(gè)C2 PCIe卡，即16個(gè)Colossus MK1 GC2 IPU的Dell DSS8440服務(wù)器。該計劃的其他裨益還包括Graphcore內部研究人員和工程師提供的支持和定期隨訪(fǎng)。Graphcore可能還會(huì )提供經(jīng)費申請方面的支持。

Graphcore會(huì )為下列領(lǐng)域中的項目和計劃優(yōu)先安排訪(fǎng)問(wèn)權限。但是，Graphcore也會(huì )考慮有關(guān)IPU創(chuàng )新應用的其他計劃：

●   稀疏訓練

●   有條件的稀疏計算

●   隨機學(xué)習優(yōu)化

●   用于深度學(xué)習和計算圖網(wǎng)絡(luò )的新型高效模型

●   小型計算圖網(wǎng)絡(luò )

●   平行計算的新方向

●   本地平行性

●   多模型訓練

Graphcore聯(lián)盟和戰略伙伴總監Victoria Rege在宣布啟動(dòng)Graphcore學(xué)術(shù)計劃時(shí)表示：“Graphcore的目標是幫助創(chuàng )新者在機器智能領(lǐng)域創(chuàng )造下一個(gè)突破。通過(guò)在創(chuàng )新的前沿為研究人員和項目負責人提供實(shí)質(zhì)性支持，我們可以共同加速人工智能的發(fā)展，真正落實(shí)人工智能可以為人類(lèi)帶來(lái)的諸多益處?！?/p>

在啟動(dòng)Graphcore學(xué)術(shù)計劃之前，IPU研究人員已經(jīng)展示了一系列突破性的應用，以及與傳統處理器系統（例如GPU和CPU）相比在計算工作負載上的大幅加速。

基于他們使用Graphcore IPU開(kāi)展的研究工作，加州大學(xué)伯克利分校的研究人員與谷歌大腦團隊成員一起發(fā)表了研究深度神經(jīng)網(wǎng)絡(luò )訓練中的性能和效率方法報告。加州大學(xué)伯克利分校的Pieter Abbeel教授表示：“我們與Graphcore合作進(jìn)行的具有本地更新的深度網(wǎng)絡(luò )并行訓練的研究工作表明，IPU截然不同的處理器架構能夠幫助實(shí)現新的分布式計算和更大模型訓練的方法。研究表明，Graphcore的技術(shù)不僅在吞吐量和時(shí)延等指標上提供數量上更優(yōu)化的性能，還從根本上開(kāi)啟了新的方法，以應對那些可能會(huì )阻礙人工智能發(fā)展的計算挑戰?！?/p>

倫敦帝國理工學(xué)院計算機視覺(jué)教授A(yíng)ndrew Davison的團隊一直在使用Graphcore的IPU解決有關(guān)計算機視覺(jué)解釋周遭世界的一些挑戰。他們的研究工作展示了如何在IPU上使用高斯置信傳播來(lái)解決捆綁調整的經(jīng)典計算機視覺(jué)問(wèn)題。他表示：“我帶領(lǐng)的團隊是第一批基于Graphcore IPU進(jìn)行研究并發(fā)表研究成果的團隊之一。這是一項在數量上和質(zhì)量上都能夠實(shí)現收益的技術(shù)。在我們的計算機視覺(jué)工作中，我們看到IPU的性能優(yōu)于傳統芯片架構。IPU也擴大了我們對該領(lǐng)域計算潛力的理解?！?/p>

布里斯托大學(xué)的研究人員使用Graphcore IPU開(kāi)發(fā)新技術(shù)，用以管理CERN大型強子對撞機的實(shí)驗數據。布里斯托大學(xué)物理學(xué)教授Jonas Rademacker表示：“我們研究了Graphcore IPU對粒子物理學(xué)中發(fā)現的幾個(gè)計算問(wèn)題的適用性，這些計算問(wèn)題對于我們在CERN進(jìn)行的LHCb實(shí)驗的研究至關(guān)重要。我們所展示的功能和性能提升，表明了IPU獨特架構的多功能性。此外，對于我們正在進(jìn)行的、探索IPU處理粒子物理學(xué)中龐大且快速增長(cháng)的數據集能力的研究工作來(lái)說(shuō)，Graphcore對我們一直以來(lái)的支持至關(guān)重要?！?/p>

論文： 《具有本地更新的深度神經(jīng)網(wǎng)絡(luò )的并行訓練》

論文： 《圖形處理器上的捆綁調整》

論文： 《Graphcore IPU在粒子物理學(xué)的應用潛力的研究》