Intel stellt Loihi 2 vor: Next-Gen Neuromorpher Chip mit erweiterter Programmierbarkeit und 3D-Skalierung

Intel hat Loihi 2 angekündigt, seinen zweiten Generation neuromorphen Prozessor, gebaut auf dem Pre-Production Intel 4 Prozessknoten. Der neue Chip ist für Forscher zugeschnitten, die Spiking Neural Networks (SNNs) der nächsten Generation erforschen, und liefert substanzielle Gewinne in Programmierbarkeit, Dichte und Skalierbarkeit.

Loihi 2 führt einen vollständig programmierbaren Neuronen-Instruktionssatz ein, der es Spikes erlaubt, Integer-Payloads zu tragen, anstatt der binären 0/1, die in Loihi 1 verwendet wurden. Diese Änderung erhöht den Modellausdruck und reduziert die Anzahl der benötigten Neuronen für eine gegebene Aufgabe.

Neben der Hardware stellte Intel Lava vor – einen Open-Source-Software-Stack, der ereignisgesteuerte Programmierung, heterogene Ausführung und Community-getriebenes Code-Sharing vereint. Das Framework ist darauf ausgelegt, die Entwicklung neuromorpher Applikationen zu beschleunigen und die Lücke zwischen Forschung und Deployment zu schließen.

Während herkömmliche CPUs feinkörnigen Speicher verwenden, speichert Loihi Daten direkt in jedem Kern, was wahrhaft asynchrone Operationen ermöglicht, die der zeitbasierten Logik biologischer Gehirne entsprechen. Laut Mike Davies, Direktor von Intels Neuromorphic Computing Lab, „entsteht die Berechnung des Chips aus der dynamischen Interaktion seiner Elemente, die ein Gleichgewicht erreichen, das die Antwort kodiert.“

Loihi-1-Prototypen wurden bereits in diversen Szenarien eingesetzt: adaptive Roboterarm-Controller, die Verschleiß reduzieren, olfaktorische Erkennungssysteme, die Gerüche schneller lernen als Deep-Learning-Baselines, und Zugplanungs-Engines, die auf Echtzeit-Störungen reagieren. Diese Use Cases unterstreichen das Potenzial der Plattform für reale, stromsparende Intelligenz.

Wesentliche Verbesserungen in Loihi 2

Loihi 2 verfügt wie sein Vorgänger über 128 Kerne, aber die Neuronenanzahl ist achtfach multipliziert. Die Gesamtdie-Fläche ist dank des Intel 4 Prozesses halbiert, was etwa eine 15-fache Steigerung der Netzwerkkapazität pro Quadratmillimeter liefert. Der Speicher ist in flexible Bänke partitioniert und komprimiert, was Platz für zusätzliche Neuronen und Synapsen freigibt.

Mit dem neuen Instruktionssatz können Entwickler benutzerdefinierte Neuronenmodelle programmieren, die Arithmetik, Vergleiche und Kontrollflussoperationen beinhalten. Diese Mikrocode-Fähigkeit erschließt reichere SNN-Architekturen und ermöglicht effizientes Mapping komplexer Algorithmen.

Spikes auf Loihi 2 tragen eine konfigurierbare Integer-Payload, was ereignisbasiertes Messaging ermöglicht, das Sigma-Delta Neural Networks (SDNNs) unterstützt. SDNNs berechnen graduierte Aktivierungen wie traditionelle DNNs, übertragen aber nur signifikante Änderungen, was schnellere Inferenz als der strikt timing-basierte Ansatz von Loihi 1 bietet.

Loihi 2 kann bis zu 10-fachen Speedup auf Schaltungsebene erreichen und verarbeitet Netzwerke 5.000-mal schneller als biologische Neuronen. Das Design führt 3D-Skalierungsports ein, die planare Chip-Meshes in volumetrische Arrays verwandeln, mit vervierfachtem Inter-Chip-Bandbreite und zehnfach komprimiertem Spike-Traffic. Insgesamt liefert das System einen 60-fachen Kapazitätszuwachs für die meisten Workloads.

Three-Factor-Learning, ein moderner neuromorpher Trainingsparadigma, wird nun unterstützt, was Forschern erlaubt, Backpropagation auf Hardware zu approximieren. Dies eröffnet neue Wege für das Training tiefer Architekturen direkt auf Loihi 2.

Loihi 2 Verfügbarkeit

Forscher können das Single-Chip Oheo Gulch Board für schnelles Prototyping erwerben, gefolgt vom Acht-Chip Kapoho Point System, das eine Ethernet-Schnittstelle für stapelbare Deployments bietet. Diese Boards bieten eine Low-Latency, High-Throughput-Plattform für Edge-Applikationen wie Robotik.

Lava – Das Open-Source Software-Ökosystem

Während die Hardware rasant fortschritt, hinkte Software-Support hinterher. Lava zielt darauf ab, diese Lücke zu schließen, indem es eine einheitliche API für ereignisbasierte, asynchrone Programmierung und heterogene Ausführung bietet. Es ermöglicht Entwicklern, auf CPUs zu prototypen und dann rechenintensive Kerne auf Loihi 2 auszulagern, was die Einstiegshürde senkt und die Zusammenarbeit über Labore hinweg fördert.

Lava wird auf GitHub gehostet und begrüßt Beiträge aus der neuromorphen Community. Durch Bereitstellung gemeinsamer Bausteine und Beispielmodelle strebt das Framework an, Innovation zu beschleunigen und die Kommerzialisierung neuromorpher Technologien voranzutreiben.

Ursprünglich veröffentlicht auf EE Times.

Verwandte Inhalte:

• Argumente für neuromorphe Chips für KI-Computing
• Spiking Neural Network zielt auf Arm Chips ab
• Fortgeschrittene KI-Chips bauen auf aufstrebenden Speichertechnologien auf
• Neuromorphe KI-Chips für Spiking Neural Networks debütieren
• Das Benchmarking-Dilemma neuromorphen Computings

Für weitere Embedded-Inhalte abonnieren Sie den wöchentlichen E-Mail-Newsletter von Embedded.