インテル、第2世代のニューロモーフィック・チップ「Loihi 2」を公開

低レイテンシーのエッジAIアプリケーション向け

インテルは、4年前に発表したニューロモーフィック・チップ「Loihi」の後継製品を発表します。

Loihi 2は、処理速度が約10倍、リソース密度が最大15倍、計算ニューロンの数が7倍（最大100万個）となっています。

ニューロモーフィック・コンピューティング・ハードウェアは、一般的なコンピュータシステムに見られるフォン・ノイマン・アーキテクチャーではなく、計算ニューロンを用いて神経システムを模倣することを目的としています。そのため、特定のAIワークロードに適しており、従来のシステムよりも低消費電力となっています。

インテルのニューロモーフィック・コンピューティング研究所のマイク・デイビス所長は次のように述べています。「当社の第2世代チップは、ニューロモーフィック・プロセッシングのスピード、プログラマビリティ、キャパシティを大幅に向上させ、電力やレイテンシーに制約のあるインテリジェント・コンピューティング・アプリケーションへの利用を拡大する」

同社はまた、この新しいチップと同時に、ニューロインフォマティクス・アプリケーションを開発するためのソフトウェア・フレームワーク「Lava」のオープンソース化も発表しました。

ロスアラモス国立研究所のスタッフサイエンティストであるゲルド・J・クンデ博士は次のように述べています。「ロスアラモス国立研究所の研究者らは、Loihiニューロモーフィック・プラットフォームを使い、量子コンピューティングとニューロモーフィック・コンピューティングのトレードオフを調査し、チップ上に学習プロセスを実装してきた」

「今回の研究では、難しい最適化問題を解くためのスパイキングニューラルネットワーク (SNN: Spiking Neural Networks)と量子焼きなまし法（quantum annealing）アプローチの間に、いくつかのエキサイティングな等価性があることを示した。また、ニューラルネットワークを学習するための基本的な構成要素であり、これまでニューロモーフィック・アーキテクチャには実装できないと考えられていた誤差逆伝播法（Backpropagation：バックプロパゲーション）アルゴリズムが、Loihiでは効率的に実現できることを示した。我々のチームは、第2世代のLoihi 2チップでこの研究を続けていくことを楽しみにしている」

Loihiとニューロモーフィック・コンピューティング全体については、この分野の父であるカーバー・ミード氏をはじめ、デイヴィス氏、IBMのダーメンドラ S. モダ博士、Armのアーキテクトであるスティーブ・ファーバー教授らに、人間の脳を再現することの難しさについて話を聞きました。

この記事は海外Data Centre Dynamics発の記事をData Center Cafeが日本向けに抄訳したものです。