英特尔发布第二代Loihi神经形态研究芯片和Lava开源软件框架

（传送门：PDF）

对于视觉、语音、手势识别，搜索检索、机器人技术、约束优化等领域，神经形态计算都有望提供极大的助力。

英特尔董事 Mike Davies 表示：基于多年的合作研究，其在 Loihi 2 与 Lava 上获得了深入的见解。

我公司的第二代芯片，极大地提升了神经形态处理的速度、可变成型、以及容量，扩大了其在功率和延迟受限的智能计算应用程序中的用途。

我们正在开源 Lava，以迎合该领域对软件融合、基准测试和跨平台协作的需求，并加速我们在商业可行性方面的进展。

截至目前，英特尔及其合作伙伴已经展示了包括机械臂、神经拟态皮肤和嗅觉传感等应用。

至于 Loihi 2，其在初代芯片三年使用经验的基础上，还利用了英特尔在工艺技术和异步设计方法等方面的进步。

这使得新架构能够支持新类别的神经启发算法和应用程序，同时提供高达 10 倍的处理速度、高达 15 倍的资源密度（每个芯片多达 100 万个神经元）、以及更高的能效。

得益于与英特尔技术开发部门的密切合作，Loihi 2 用上了“Intel 4”先进工艺的预生产版本，突显了该工艺的健康与进步。

与旧工艺相比，极紫外（EUV）光刻技术进一步简化了版图设计规则，使得 Loihi 2 的快速开发成为了可能。

然后是 Lava 软件框架，其满足了神经形态研究社区对于通用软件框架的需求。

作为一套开放、模块化、可扩展的框架，Lava 将允许研究人员和应用程序开发者们，在彼此进步的基础上建立并融合一组通用的工具、方法和库。

它能够在跨传统和神经形态处理器的异构架构上无缝运行，支持跨平台执行和与各种人工智能、神经形态和机器人框架的互操作性。

开发者无需访问专门的神经形态硬件，即可开始构建神经形态应用程序，并且能够为 Lava 代码库做出贡献，包括将其移植到其它平台上运行。

LANL 科学家 Gred J. Kunde 博士指出：“洛斯阿拉莫斯国家实验室的研究人员们一直在使用 Loihi 神经形态平台，来权衡量子计算研究和神经形态计算、以及在芯片上实施学习过程”。

这项研究显示了脉冲神经网络和量子退火方法之间一些激动人心的等价性，可用于解决优化方面的困难问题。

此外我们证明了反向传播算法是训练神经网络的基础构建块，即便此前大家并不认为能够在神经邢台架构上实现。

但事实上，LANL 已经在 Loihi 是哪个得到了有效的实现，我们团队很高兴能够利用第二代 Loihi 2 芯片继续深入这方面的研究。