Si bien la computación neuromórfica sigue bajo investigación por el momento, los esfuerzos en este campo han seguido creciendo a lo largo de los años, al igual que las capacidades de los chips especiales que se han desarrollado para esta investigación. Siguiendo esa línea, esta mañana Intel y Sandia National Laboratories celebran el despliegue del sistema neuromórfico Hala Point, que ambos creen que es el sistema de mayor capacidad del mundo. Con 1,15 mil millones de neuronas en total, Hala Point es la implementación más grande hasta el momento para Intel Chip neuromórfico Loihi 2que se anunció por primera vez a finales de 2021.
El sistema Hala Point incorpora 1152 procesadores Loihi 2, cada uno de los cuales es capaz de simular un millón de neuronas. Como se señaló en el momento del lanzamiento de Loihi 2, estos chips son en realidad bastante pequeños: solo 31 mm.2 por chip con 2.300 millones de transistores cada uno, ya que están construidos sobre el proceso Intel 4 (uno de los únicos chips Intel que lo hace, además de Meteor Lake). Como resultado, el sistema completo es igualmente pequeño, ocupando solo 6 unidades de espacio en rack (o como le gusta compararlo a Sandia, aproximadamente del tamaño de un microondas), con un consumo de energía de 2,6 kW. Ahora que está en línea, Hala Point ha destronado el sistema SpiNNaker como el sistema neuromórfico más grande conocido, ofreciendo ciertamente solo un número ligeramente mayor de neuronas, menos del 3% del sistema británico de 100 kW.
Un chip de 2 longitudes únicas (31 mm2)
Hala Point reemplazará un sistema neuromórfico Intel más antiguo en Sandia, Pohoiki Springs, que se basa en los chips Loihi de primera generación de Intel. En comparación, Hala Point ofrece diez veces más neuronas y más de 12 veces el rendimiento general.
Sandia adquirió ambos sistemas neuromórficos para avanzar en la investigación del laboratorio nacional sobre computación neuromórfica, un paradigma informático que se comporta como un cerebro. La idea central (si se me permite el juego de palabras) es que, al imitar el software húmedo que escribe este artículo, los chips neuromórficos pueden usarse para resolver problemas que los procesadores convencionales no pueden resolver hoy en día, y que también pueden hacerlo de manera más eficiente.
Sandia, por su parte, ha dicho que utilizará el sistema para observar la computación neuromórfica a gran escala, con trabajos que operarán a una escala mucho más allá de Pohoiki Springs. Dado que Hala Point ofrece un recuento de neuronas simulado de forma muy aproximada al nivel de complejidad del cerebro de un búho, el laboratorio cree que un sistema a mayor escala finalmente les permitirá explotar adecuadamente las propiedades de la computación neuromórfica para resolver problemas reales en campos como el de dispositivos. física, arquitectura de computadoras, ciencias de la computación e informática, yendo mucho más allá de las simples demostraciones logradas inicialmente a menor escala.
Un nuevo enfoque del laboratorio, que a su vez ha llamado la atención de Intel, es la aplicabilidad de la computación neuromórfica a la inferencia de IA. Debido a que las propias redes neuronales detrás de la ola actual de sistemas de IA están intentando emular el cerebro humano, en cierto sentido, existe un grado obvio de sinergia con los chips neuromórficos que imitan el cerebro, incluso si los algoritmos difieren en algunos aspectos clave. Aún así, dado que la eficiencia energética es uno de los principales beneficios de la computación neuromórfica, ha empujado a Intel a investigar más el asunto e incluso a construir un segundo sistema propio del tamaño de Hala Point.
Según Intel, en su investigación sobre Hala Point, el sistema ha alcanzado eficiencias de hasta 15 TOPS por vatio con una precisión de 8 bits, aunque utilizando una escasez de 10:1, lo que lo hace más que competitivo con los chips comerciales de generación actual. . Como ventaja adicional a esa eficiencia, los sistemas neuromórficos no requieren un extenso procesamiento de datos ni procesamiento por lotes por adelantado, lo que normalmente es necesario para hacer un uso eficiente de las matrices ALU de alta densidad en GPU y procesadores similares a GPU.
Sin embargo, quizás el caso de uso más interesante de todos sea la posibilidad de poder utilizar la computación neuromórfica para permitir aumentar las redes neuronales con datos adicionales sobre la marcha. La idea detrás de esto es evitar la recapacitación, como requieren los LLM actuales, lo cual es extremadamente costoso debido a los grandes recursos informáticos necesarios. En esencia, esto es tomar otra página de cómo funcionan los cerebros, permitiendo el aprendizaje continuo y el aumento del conjunto de datos.
Pero al menos por el momento esto sigue siendo un tema de estudio académico. Con el tiempo, Intel y Sandia quieren que sistemas como Hala Point conduzcan al desarrollo de sistemas comerciales y, presumiblemente, a escalas aún mayores. Pero para llegar allí, los investigadores de Sandia y otros lugares primero necesitarán utilizar la cosecha actual de sistemas para refinar mejor sus algoritmos, así como descubrir mejor cómo asignar cargas de trabajo más grandes a este estilo de computación para demostrar su utilidad a mayor escala. escalas.CP
