IBM发布新型SyNAPSE芯片，开创巨型神经网络时代

来源：互联网

2014/8/11 17:39:21

新型芯片采用基于类似人脑的、非冯 · 诺依曼的计算架构，含有100万神经元和2.56亿突触。利用三星28纳米工艺技术，由54亿个晶体管组成的芯片构成有4,096个神经突触核心的片上网络，其实时作业功耗仅为70毫瓦（mW）。完整的认知软硬件生态系统开启了面向移动、云计算、超级计算和分布式传感器应用的新计算领域。

分享到：新浪微博腾讯微博

本文关键字： IBM SyNAPSE 芯片

（2014年8月7日，美国加利福尼亚州圣何塞讯） IBM科学家日前发布首款前所未有的超大规模神经突触计算机芯片，其中含有100万个可编程神经元、2.56亿个可编程突触，每消耗一焦耳的能量，可进行460亿突触运算。这款由54亿支晶体管组成的功能齐全、可大规模生产的芯片是迄今建造的最大的CMOS芯片之一。并且在进行生物实时运算时，这款芯片的功耗低至70毫瓦（mW），比现代微处理器功耗低数个数量级。神经突触超级计算机芯片如同一枚邮票大小，其工作电源相当于助听器电池，这种支持视觉、听觉和多感官应用的技术将给科技、商务和社会带来全新的变化。

该突破性技术成果已于近日与康奈尔理工学院 (Cornell Tech) 合作发表在《科学》（Science）杂志上，这意味着向社会步入认知计算机时代迈出了重要一步。

与当前计算机相比，人类大脑的认知能力和超低功耗间存在巨大差距。为了消除鸿沟，IBM科学家们创造了前所未有的技术—— 一个全新的、神经科学启发的、可扩展的、高效的计算机架构，这种架构一举打破了自1946年以来普遍盛行的冯 ·诺依曼 (von Neumann) 计算机架构。该第二代芯片是近十年来研发取得的最高成果，它包括2011年最初的单核硬件原型，以及2013年采用最新编程语言及芯片模拟器的软件生态系统。

新型认知芯片架构由4，096个数字化的分布式神经突触核心组成片上二维网状网络，其中每个核心模块以事件驱动、并行、及容错机制将内存、计算和通信集成在一起。为使系统不受单芯片局限，该新型认知芯片在两块相邻平铺时，可实现无缝拼接，这为日后构建神经突触超级计算机奠定了基础。为证明其可扩展性，IBM还展示了一款16芯片系统，该系统含有1，600万可编程神经元和40亿可编程突触。

“IBM以全新架构、空前规模、无与伦比的功耗/面积/速度比、无限的扩展能力及创新设计技术，在基于人脑启发的计算机领域取得重大突破。我们可以预见新一代的信息技术系统，这种系统与当今的冯 ·诺依曼机器相辅相成，不断发展的系统、软件和服务生态系统将为其提供支持。” IBM研究院院士，大脑仿生计算首席科学家 Dharmendra S. Modha 博士说，“这些基于人脑启发的芯片可通过掌上设备的感应与智能化的应用，改变移动市场，而且它们不需要WiFi。这个成果凸显了IBM通过长期投资有机创新，在实现计算转型的历史关键时刻的领导地位。”

构建芯片

这款芯片采用了三星28纳米的工艺技术，具有密集的片上存储器和低泄漏晶体管。

三星电子晶圆代工市场营销副总裁Shawn Han指出：“利用传统商用低功耗移动设备工艺技术进行芯片生产，令人叹为观止，这种芯片能以极低电耗模仿人类大脑处理海量的感官信息。这在系统架构方面是一项重大突破，对于业界下一代云计算和大数据处理的发展至关重要。利用三星28纳米技术推动下一代技术进程让人倍感欣慰。"

芯片的事件驱动电路元件采用的是由康奈尔理工学院开发，及2008年以来由IBM重新优化的异步设计方法。

“与IBM合作多年后，现在我们向构建仿人脑计算机又迈进了一步。“ 康奈尔理工学院Rajit Manohar教授说。

先进的工艺技术、异步-同步混合的设计方法及新型架构的结合使功率密度达到20mW/cm2，这几乎比当前的微处理器低了近四个数量级。

推进SyNAPSE生态系统

这款新型芯片是一个完整的端到端垂直整合生态系统的组件，涵盖芯片模拟器、神经科学数据、超级计算、神经元技术规格、编程规范、算法和应用程序以及原型设计模型。该生态系统全面支持从设计到开发、调试及部署的整个编程周期。

为将这种完全与众不同的技术功能推向社会，IBM为高校、客户、合作伙伴和IBM员工设计了新颖的教学课程。

应用和愿景

该生态系统标志着一切正在转变：计算正越来越依靠数据、引入大量不同类型的感官数据、应用上下文相关方法分析并整合实时信息、处理复杂现实环境中出现的异常情况。

展望未来，IBM将在功耗、体积和速度受限的移动设备中集成多感官神经突触处理功能；在芯片上整合新型事件驱动型传感器；利用神经突触系统加快实时多媒体云服务；在基板上平铺多块芯片构建神经突触超级计算机，最终创建出神经突触多达100万亿以上的系统。

在之前论证的片上神经突触核心在线学习的基础上，IBM计划建立一种能够适应现实环境条件的学习系统。虽然目前硬件采用的是现代CMOS工艺生产，但其基础架构将利用未来内存、3D集成、逻辑和传感器技术的优势，进一步降低功耗、提高封装密度、并加快运行速度。

责编：李玉琴