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(gè)數量級
加入技術(shù)交流群
掃碼加入
和技術(shù)大咖面對面交流
海量資料庫查詢(xún)
編輯：潤【導讀】澳大利亞和德國高校的科研人員合作，開(kāi)發(fā)出全球首臺仿人腦規模超算，能執行每秒228萬(wàn)億次突觸操作，未來(lái)將為人工智能應用提供人腦規模的計算能力！
人腦作為地球上最為高效的計算設備，可以?xún)H僅用20w的功率，1.3公斤的質(zhì)量，就能完成每秒100萬(wàn)億次的運算量。
而現在人類(lèi)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(wàn)瓦。
這兩個(gè)數字之間的巨大能耗差異，凸顯出了人腦作為計算設備構架上的先進(jìn)性。而最近，澳大利亞的科學(xué)家宣布，他們開(kāi)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(xiàn)。
這將是世界上第一臺能夠在人腦規模模擬神經(jīng)元（數十億）和突觸（數萬(wàn)億）網(wǎng)絡(luò )的超級計算機，可以模擬每秒228萬(wàn)億次突觸操作。
西悉尼大學(xué)的ICNS團隊與來(lái)自悉尼大學(xué)、墨爾本大學(xué)和德國亞琛大學(xué)的神經(jīng)形態(tài)領(lǐng)域的合作伙伴合作開(kāi)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系統和Deep Blue致敬。
西悉尼大學(xué)ICNS主任André van Schaik教授稱(chēng)：
由于我們無(wú)法大規模模擬類(lèi)腦網(wǎng)絡(luò )，我們對大腦如何使用神經(jīng)元進(jìn)行計算的理解的進(jìn)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。我們的系統將改變這一點(diǎn)。
這個(gè)平臺將增進(jìn)我們對大腦的理解，并在傳感、生物醫學(xué)、機器人、太空和大規模人工智能應用等不同領(lǐng)域開(kāi)發(fā)大腦規模的計算應用。
根據ICNS的說(shuō)法，這個(gè)超算主要的收益在這幾個(gè)地方：
-極低功率完成超快速、大規模并行處理：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據，使用的電量少得多，同時(shí)比其他超級計算機小得多。
-可擴展性：系統允許添加更多硬件來(lái)創(chuàng )建更大的系統，或者縮小規模以實(shí)現更小的便攜式或更經(jīng)濟高效的應用程序。
-可重新配置：利用現場(chǎng)可編程門(mén)陣列 (Leveraging Field Programmable Gate Arrays，FPGA) 促進(jìn)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(xué)習規則，從而克服使用定制設計硬件的其他神經(jīng)形態(tài)計算系統中出現的限制。
DeepSouth將通過(guò)前端進(jìn)行遠程訪(fǎng)問(wèn)，該前端允許使用流行的編程語(yǔ)言Python描述神經(jīng)模型和設計神經(jīng)網(wǎng)絡(luò )。前端的開(kāi)發(fā)使研究人員無(wú)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改進(jìn)，獨立于設計超級計算機的團隊，克服使用定制設計硬件的其他神經(jīng)形態(tài)計算系統中出現的限制。
定制芯片需要大量時(shí)間來(lái)設計和制造，每個(gè)芯片的成本高達數千萬(wàn)美元。使用商業(yè)現成的可配置硬件意味著(zhù)該原型可以很容易在世界各地的數據中心復制。
-人工智能：通過(guò)模仿大腦，將能夠創(chuàng )建比當前模型更有效的方式來(lái)執行人工智能流程。
晶體管的極限而要理解這個(gè)「仿真人腦」和現在通用計算機的差別，還是要從現代計算機的構架入手。1945年6月30日，數學(xué)家和物理學(xué)家約翰·馮·諾依曼描述了一種新機器的設計——電子離散變量自動(dòng)計算機 (Edvac)。這有效地定義了我們所知的現代電子計算機。
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構。它們都具有不同的處理和內存單元，其中數據和指令存儲在內存中并由處理器計算。幾十年來(lái)，微芯片上的晶體管數量大約每?jì)赡暝黾右槐?，這一現象被稱(chēng)為摩爾定律。這使我們能夠擁有更小、更便宜的計算機。然而，晶體管尺寸現在已接近原子尺度。在如此微小的尺寸下，計算過(guò)程中產(chǎn)生過(guò)多的熱量是一個(gè)很?chē)乐氐膯?wèn)題。這種被稱(chēng)為量子隧道效應的現象，會(huì )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(lái)越難以走下去。
為了克服這個(gè)問(wèn)題，科學(xué)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(kāi)始。大腦并不按照約翰·馮·諾依曼的計算機模型工作。它沒(méi)有單獨的計算和存儲區域。相反，它們的工作原理是連接數十億個(gè)以電脈沖形式傳遞信息的神經(jīng)細胞。信息可以通過(guò)稱(chēng)為突觸的連接點(diǎn)從一個(gè)神經(jīng)元傳遞到下一個(gè)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(lái)，科學(xué)家們一直在研究這個(gè)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(jiǎn)單的基本處理器（其作用類(lèi)似于大腦的神經(jīng)元和突觸）的復雜網(wǎng)絡(luò )。這樣設計最主要優(yōu)點(diǎn)是機器本質(zhì)上是并行的。這意味著(zhù)，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(shí)運行，串聯(lián)通信。此外，由于單個(gè)神經(jīng)元和突觸執行的計算與傳統計算機相比非常簡(jiǎn)單，因此能耗要小幾個(gè)數量級。
盡管神經(jīng)元有時(shí)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(huà)說(shuō)，數據已經(jīng)位于計算需要的地方，沒(méi)有分別用處理器和存儲器分開(kāi)。這總體上加快了大腦的計算速度，因為內存和處理器之間沒(méi)有分離，這在經(jīng)典（馮·諾依曼）機器中會(huì )導致速度減慢。但它也避免了執行從主存儲器組件訪(fǎng)問(wèn)數據的特定任務(wù)的需要，就像傳統計算系統中發(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。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)計算機被設計用來(lái)模仿真實(shí)的大腦，因此它們可能是一個(gè)轉折點(diǎn)的開(kāi)始。它們提供可持續且經(jīng)濟實(shí)惠的計算能力，并允許研究人員評估神經(jīng)系統模型，是一系列應用的理想平臺。它們有潛力促進(jìn)人類(lèi)對大腦的理解，并為人工智能提供新的方法。來(lái)源：新智元
*博客內容為網(wǎng)友個(gè)人發(fā)布，僅代表博主個(gè)人觀(guān)點(diǎn)，如有侵權請聯(lián)系工作人員刪除。
