Нейроморфный микропроцессор

Материал из Википедии — свободной энциклопедии
Перейти к навигации Перейти к поиску

Нейроморфный микропроцессор — это класс нейронных процессоров, построенных по принципу биологических нейронных сетей. Используется для решения задач искусственного интеллекта.

Нейроморфные вычислители имеют отличную от классической архитектуру за счет чего позволяют эффективно решать задачи искусственных нейронных сетей. Принцип модели фон Неймана предполагает раздельное хранение команд и данных в памяти компьютера. Локализация их в одном разделе позволяет сократить время на исполнение нейронной сети, обрабатывать информацию асинхронно и параллельно (в решении задачи участвует ограниченное число нейронов).

Для программирования нейросинаптических ядер чаще всего используется язык C/C++.

Области применения

[править | править код]

Эффективны в системах, использующих цифровую обработку сигналов в режиме реального времени:

  • автономной визуальной навигации в робототехнике
  • голосовой аналитике в умных устройствах
  • управлении техникой с помощью нейроинтерфейсов.

Примеры. Существующие продукты

[править | править код]
  • TrueNorth (IBM). Был разработан в 2014 году. Изготовлен по планарной полупроводниковой технологии по техпроцессу 28 нм на заводе Samsung.
  • Loihi (Intel, США). Анонсирован в 2017 году. Первое поколение было разработано на основе обычных цифровых технологий и имело техпроцесс 14 нм.
  • AltAI (Мотив НТ, Россия). Исследования технологии начались в 2015 году. На стадии RnD второе поколение (AltAI-3)[1].
  • Akida (Brainchip, США). Первый коммерческий чип, выпущенный в 2022 году.
  • Tianjic (Университет Цинхуа, Китай). Унифицированная архитектура чипа нейронной сети предложена в 2019 году. Направлена ​​на поддержку как спайковых нейронных сетей, так и искусственных нейронных сетей.
  • Xylo (SynSense, Швейцария). Специализированная интегральная схема (ASIC), оптимизированная специально для вывода SNN.

Примечания

[править | править код]
  1. [Нейроморфный процессор "Алтай" для энергоэффективных вычислений ]. — 2020.