广告

浙江大学牵头研发,类脑芯片“达尔文2”发布

时间:2019-08-28 作者:网络整理 阅读:
日前,脉冲神经网络类脑芯片“达尔文2”以及针对该芯片的工具链、微操作系统在杭州发布。该芯片主要面向智慧物联网应用,单芯片支持的神经元规模达15万个,在神经元数目上相当于果蝇的神经元数目,是目前已知单芯片神经元规模居全国前列的脉冲神经网络类脑芯片。
广告
ASPENCORE

日前,脉冲神经网络类脑芯片“达尔文2”以及针对该芯片的工具链、微操作系统在杭州发布。该芯片主要面向智慧物联网应用,单芯片支持的神经元规模达15万个,在神经元数目上相当于果蝇的神经元数目,是目前已知单芯片神经元规模居全国前列的脉冲神经网络类脑芯片。uyAEETC-电子工程专辑

20190828-darvin-1.jpguyAEETC-电子工程专辑

据了解,类脑芯片“达尔文2”由浙江大学牵头研发完成,杭州电子科技大学与华为中央研究院分别参与了芯片研制与算法和应用场景研究工作。“达尔文2”采用55纳米工艺,单芯片由576个内核组成,每个内核支持256个神经元,神经突触超过1000万,通过系统级扩展可构建千万级神经元类脑计算系统。uyAEETC-电子工程专辑

人的大脑布满神经元,它们彼此通过神经突触相连,传递脉冲信号,帮助人类完成思考与表达、传递喜悦与悲伤。类脑芯片的架构就像人的大脑,为神经突触传递结构。小小的芯片上布局着众多的处理器和通讯系统,起着“神经元”与“神经突触”的作用,以神经脉冲形式进行信息传递与处理。uyAEETC-电子工程专辑

“类脑芯片是用芯片去模拟大脑神经网络的结构与功能机制,工作原理类似于生物的神经元行为,在图像物体识别、视频音频理解、自然语言处理等应用上有独到优势。”研究团队骨干、浙江大学计算机科学与技术学院马德副教授说,“传统的人工智能芯片只能通过海量数据进行精确计算后才能出成果,比较耗能。相对而言,类脑芯片功耗更低、可扩展性更强,很有可能是下一代计算技术及下一代人工智能发展的重要突破方向。”uyAEETC-电子工程专辑

20190828-darwin.pnguyAEETC-电子工程专辑

在浙江大学计算机学院CCNT(Advanced Computing and System Laboratory)实验室里,新鲜出炉的“达尔文2”。 这款比指甲盖略大的芯片采用55纳米工艺制成。 (图自:浙江大学)uyAEETC-电子工程专辑

芯片团队成员浙江大学微电子学院朱晓雷博士介绍说,与传统芯片相比,类脑芯片对于模糊数据的处理更加擅长,功耗也更低。“在类脑芯片信息传导过程中,只有接受并处理脉冲的‘神经元’才被激活,其他‘神经元’则可以处于休眠状态,因此功耗低。”朱晓雷说。uyAEETC-电子工程专辑

研究人员表示,“达尔文2”是继该研究团队于2015年发布的首款脉冲神经网络芯片“达尔文1”之后,经过4年科研攻关完成。“达尔文2”的神经元规模方面比“达尔文1”(集成2048个神经元、最多400万个神经突触连接)提高了两个数量级,同时增强了芯片配置的灵活性和可扩展功能,大幅提升了应用潜力。算法研究过程中,华为中央研究院根据语音业务的处理需求,结合“达尔文2”芯片架构的特点,设计了高效的脉冲神经网络算法,大幅提升了运算速度和识别精度,实现了实时语音控制的业务演示。uyAEETC-电子工程专辑

除了芯片外,团队还开发了达尔文微内核操作系统,并提供类脑开发环境,推动芯片走向应用领域。据了解,“达尔文2”单芯片目前已经完成手势识别、图像识别、语音识别、脑电识别等多个应用开发,功耗比传统计算芯片低2个数量级以上。uyAEETC-电子工程专辑

研究人员表示,类脑芯片的进步将会带来计算体系结构的革命,是下一代计算技术及下一代人工智能发展的重要突破方向。类脑芯片达尔文2的研发,获得了国家自然科学基金、浙江大学双脑计划等多项科研项目资金的支持。浙江大学目前已联合之江实验室等单位启动新一代类脑芯片“达尔文3”的研发。uyAEETC-电子工程专辑

责编:Luffy LiuuyAEETC-电子工程专辑

本文综合自新华社、浙江日报、浙江在线报道uyAEETC-电子工程专辑

ASPENCORE
本文为EET电子工程专辑 原创文章,禁止转载。请尊重知识产权,违者本司保留追究责任的权利。
  • 新能源汽车的“三化”为汽车半导体行业带来什么样的机 新能源汽车正在向“三化”(电动化、智能化和网联化)方向发展,汽车半导体在这一快速转型发展过程中扮演着越来越重要的角色。以功率半导体为主的电子元器件在整车中的含量和价值在逐步提升,同时以微处理器和传感器为核心的自动驾驶/ADAS技术也在驱动着汽车半导体的快速增长。
  • 自动驾驶车辆的AI算法及其面临的挑战 AI需要解决各种不同的任务,以便实现可靠和安全的自动驾驶。上一期文章《人工智能在自动驾驶车辆中的作用》提供了对AI及其在自动驾驶车辆中应用的分析。本文重点探讨自动驾驶车辆中的AI算法和挑战。
  • Level 5自动驾驶需要500+TOPS算力,IMG Series4多核集群 在从L2/L3级ADAS向L4/L5级全自动驾驶演进的过程中,神经网络加速器将是至关重要的组成部分。这些ADAS/自动驾驶系统需要处理各种各样的复杂场景,比如从多个摄像头和激光雷达的传感器融合中提取数据,以实现自动泊车、十字路口管理,以及复杂城市环境安全导航等高级功能。能够结合高性能、低延迟和高能效的AI加速器将是实现高级别自动驾驶的关键所在。
  • 新兴存储技术怎样应对边缘AI的挑战,何时迎来春天? 人工智能在边缘的崛起对存储系统提出了一系列新的要求。目前的存储技术能否满足这一具有挑战性的新应用的苛刻要求?长远来看,新兴存储技术将为边缘人工智能(edge AI)带来什么?
  • AI的下一个技术方向:tinyML低功耗边缘侧 当国内还在热火朝天的谈论5G、 IoT、 大数据、 超算、 视觉识别、 智能监控、 车联网、 无人机 等等热门主题的时候,当人们还在寻找人工智能行业下一个最具商业前景的发展方向,专注于视觉和语音技术,纠结于提高算力、创新算法模型、大数据存储标记清洗的时候,太平洋彼岸已经悄然开启了在低功耗边缘侧人工智能,即tinyML这一垂直细分上的思考与发展。
  • 边缘AI持续混战,如何以1/7面积和100倍性价比向NVIDIA发 InferX X1芯片是“AI边缘系统领域迄今为止性能最高的芯片”,可对目标检测与识别等各类神经网络模型进行加速,其应用范围包括机器人、工业自动化、医学成像、基因测序、银行安全、零售分析、自动驾驶、航天工程等等。与目前业内领先的NVIDIA Xavier 相比,InferX X1在处理 YOLOv3目标检测识别模型时的性能提高了30% 。
广告
热门推荐
广告
广告
广告
EE直播间
在线研讨会
广告
广告
面包芯语
广告
向右滑动:上一篇 向左滑动:下一篇 我知道了