Loihi神經形態芯片
鈦媒體快訊 | 3月18日消息：來自英特爾實驗室（Intel Labs）和康奈爾大學的研究者於近日宣佈，該團隊在英特爾Loihi神經形態芯片（專用芯片）上成功設計了基於大腦嗅覺電路的神經網絡機制算法，該算法賦予了芯片在明顯噪聲和遮蓋情況下的學習和識別危險化學品的能力。據悉，該研究成果已經發表在最新一期自然雜誌子刊《自然機器智能》（Nature Machine Intelligence）上，併成為封面文章。
論文作者，英特爾神經形態計算實驗室高級研究員Nabil Imam表示，該研究將為神經形態系統鋪平道路，這一系統將可以診斷疾病，檢測武器和爆炸物，並能夠及時發現麻醉劑、煙霧和一氧化碳氣味，對其進行分類識別。
本論文通訊作者，美國康奈爾大學心理學系計算生理實驗室教授托馬斯·克萊蘭德（Thomas A. Cleland）在郵件中對鈦媒體表示，基於神經網絡機制算法的Loihi芯片可以非常快速地識別複雜的氣味，並實現在線學習和強記憶力能力。
基於新的神經網絡算法下的Loihi芯片電路板
Loihi是2017年9月英特爾實驗室推出的自學習神經形態芯片，基於14nm的製程工藝，管芯尺寸60毫米，包含超過20億個晶體管、13萬個人工神經元和1.3億個突觸。
根據論文所述，英特爾希望通過更深入的研究讓Loihi能夠更快更高效地執行機器學習計算任務，同時大幅降低對功耗的需求。
在研究過程中，英特爾和康奈爾大學的研究人員通過測量動物聞到氣味時的腦電波活動，並根據這些電路圖與電脈衝，導出一套可行性算法，將其配置在神經形態芯片上、尤其是在Loihi芯片上。
與此同時，英特爾團隊還採用了一個由72個化學傳感器活動組成的數據集，對風洞實驗中循環釋放的10種氣體物質（氣味），包括丙酮、氨和甲烷等作出反應。傳感器將各種氣味的反應數據傳送至Loihi，由其芯片電路對嗅覺背後的大腦數據進行模擬。
在科研團隊的不懈努力下，目前Loihi芯片已經迅速掌握了10種不同氣味的神經表徵，在有強烈的環境干擾下也能準確識別出這幾種氣味。
克萊蘭德對鈦媒體稱：“新的Loihi芯片擁有長期生物訓練特性，基於專門的神經形態網絡而設計（類似於生物系統），僅用72個類型的數據集，就可以在強幹擾情況下順利實施識別氣味。”
此外，克萊蘭德還表示，在實驗過程中團隊發現，利用Loihi芯片研發出的神經網絡機制算法，在其他架構和模版上都可以良好運行，甚至是普通的PyTorch（開源的Python機器學習庫）架構，都可以應用。
“我們在實驗室裡有一個新項目，可以把‘活’的傳感器連接到一個樹莓派計算機上，並在Loihi芯片中直接插入進去。可以直接檢測氣味，但目前仍需要大量不斷地嘗試來得到準確結果”，克萊蘭德說，“我們一直專注於神經網絡機制，而非控制傳感器。“
據瞭解，克萊蘭德團隊研究出的神經形態算法，其他機構和大學實驗室也都在不斷攻關與研究。包括 IBM，惠普，麻省理工學院，普渡大學，斯坦福大學等，都希望利用這一算法，開發出新的超級計算機，其性能表現可能遠超人們想象。
除了神經形態計算領域外，谷歌，多倫多大學和亞利桑那州立大學的科研團隊，還基於人工智能方法來解決分子識別和氣味預測問題。但克萊蘭德認為，這種利用圖像和大數據的深度學習網絡，內部具有低維結構，在訓練不完整時會表現不佳，而英特爾和康奈爾大學研究的這一新檢測算法，在錯誤中有充分預見能力，在單一環境下可以實現更好的氣味檢測。
當被問及這項研究是否存在侷限性時，克萊蘭德對鈦媒體表示，該研究中的72個數據集，在60%的脈衝噪聲下，可以達到92%的性能。因此，8%的錯誤偏差是不可避免的，這將取決於使用的數據集樣本，並希望未來有更多方案來解決這個問題。
（本文首發鈦媒體，作者 | 林志佳）
閱讀更多 鈦媒體APP 的文章
