Публикации
2023 г. – новый этап практического применения CXL, статья
VMware сдвигает акцент в проекте Capitola на CXL, статья
Dell Validated Design for Analytics — Data Lakehouse: интегрированное хранилище данных, статья
OCP Global Summit: решения для Computational Storage и компонуемых масштабируемых архитектур, статья
Samsung CXL MemoryySemantic SSD: 20M IOPs, статья
UCIe – открытый протокол для взаимосвязи чиплетов и построения дезагрегированных инфраструктур, статья
Omni-Path Express – открытый интерконнект для экзафлопных HPC/AI-систем, статья
GigaIO: CDI_решение на базе AMD для высшего образования, статья
Энергоэффективные ЦОД на примерах решений Supermicro, Lenovo, Iceotope, Meta, статья
От хранилищ данных и “озер данных” к open data lakehouse и фабрике данных, статья
EuroHPC JU развивает НРС-экосистему на базе RISC-V, статья
LightOS™ 2.2 – программно-определяемое составное блочное NVMe/TCP хранилище, статья
End-to-end 64G FC NAFA, статья
Computational Storage, статья
Технология KIOXIA Software-Enabled Flash™, статья
Pavilion: 200 млн IOPS на стойку, статья
CXL 2.0: инновации в операциях Load/Store вводаавывода, статья
Тестирование референсной архитектуры Weka AI на базе NVIDIA DGX A100, статья
Fujitsu ETERNUS CS8000 – единая масштабируемая платформа для резервного копирования и архивирования, статья
SmartNIC – новый уровень инфраструктурной обработки, статья
Ethernet SSD, JBOF, EBOF и дезагрегированные хранилища, статья
Compute, Memory и Storage, статья
Lenovo: CXL – будущее серверов с многоуровневой памятью , статья
Liqid: компонуемые дезагрегированные инфраструктуры для HPC и AI, статья
Intel® Agilex™ FPGA, статья
Weka для AI-трансформации, статья
Cloudera Data Platform – “лучшее из двух миров”, статья
Fujitsu ETERNUS DSP - разработано для будущего, статья
Технологии охлаждения для следующего поколения HPC-решений, статья
Что такое современный HBA?, статья
Fugaku– самый быстрый суперкомпьютер в мире, статья
НРС – эпоха революционных изменений, статья
Новое поколение СХД Fujitsu ETERNUS, статья
Зональное хранение данных, статья
За пределами суперкомпьютеров, статья
Применение Intel® Optane™ DC и Intel® FPGA PAC, статья
Адаптивные HPC/AI-архитектуры для экзаскейл-эры, статья
DAOS: СХД для HPC/BigData/AI приложений в эру экзаскейл_вычислений, статья
IPsec в пост-квантовую эру, статья
LiCO: оркестрация гибридныхНРС/AI/BigData_инфраструктур, статья
 
Обзоры
Все обзоры в Storage News
 
Тематические публикации
Flash-память
Облачные вычисления/сервисы
Специализ. СХД для BI-хранилищ, аналитика "больших данных", интеграция данных
Современные СХД
Информационная безопасность (ИБ), борьба с мошенничеством
Рынки
Intel расширяет свою нейроморфную исследовательскую систему до 100 миллионов нейронов

19, март 2020  —  Корпорация Intel объявила о готовности Pohoiki Springs, своей новейшей и самой производительной нейроморфной исследовательской системы с вычислительной мощностью в 100 миллионов нейронов. Облачная система будет доступна участникам исследовательского сообщества Intel Neuromorphic Research Community (INRC) и позволит им в рамках их проектов нейроморфных вычислений решать более масштабные и сложные задачи.

« Система Pohoiki Springs расширяет вычислительные возможности нашего нейроморфного исследовательского процессора Loihi более чем в 750 раз, при этом ее потребляемая мощность не превышает 500 Вт. Эта система позволяет нашим партнерам по исследовательской деятельности изучать новые способы ускорения рабочих нагрузок, скорость выполнения которых сегодня на традиционных архитектурах, в том числе на современных системах высокопроизводительных вычислений (HPC), все еще достаточно низкая », – говорит Майк Дэвис (Mike Davies), директор лаборатории нейроморфных вычислений Intel .

Pohoiki Springs – это монтируемая в стойку вычислительная система для центров обработки данных и крупнейшая на сегодняшний день нейроморфная вычислительная система от Intel. Она объединяет в себе 768 нейроморфных исследовательских чипов Loihi, которые умещаются в корпусе размером в пять стандартных серверов.

Принципы функционирования процессоров Loihi напоминают работу человеческого мозга. Подобно мозгу, Loihi способен выполнять отдельные требовательные рабочие нагрузки в 1000 раз быстрее, при этом эффективность подобных вычислений может быть в 10 тысяч раз выше, чем при использовании традиционных процессоров. Система Pohoiki Springs представляет собой следующий шаг в масштабировании этой архитектуры и позволяет оценить возможности нейроморфных процессоров для решения не только проблем искусственного интеллекта, но и обширного класса вычислительно сложных задач. Исследователи Intel считают, что высокий уровень параллелизма и асинхронное сигнализирование, присущие нейроморфным системам, способны обеспечить значительный прирост в производительности при кардинальном снижении уровня энергопотребления по сравнению с самыми передовыми традиционными вычислительными системами, представленными сегодня на рынке.

Возможности для масштабирования : в природе даже некоторые из самых маленьких живых организмов способны решать чрезвычайно сложные вычислительные задачи. Например, многие насекомые могут визуально отслеживать объекты, ориентироваться на местности и уклоняться от препятствий в режиме реального времени несмотря на то, что их мозг состоит менее чем из 1 миллиона нейронов.

Аналогичным образом, самая маленькая нейроморфная система от Intel под кодовым названием Kapoho Bay, состоящая из двух нейроморфных процессоров Loihi с 262 000 нейронов, позволяет выполнять различные периферийные рабочие нагрузки в реальном времени. Исследователи из Intel и INRC продемонстрировали способность Loihi распознавать жесты в режиме реального времени, считывать шрифт Брайля с использованием разработанной учеными искусственной кожи, рассчитывать направление по уже имеющимся визуальным ориентирам и узнавать новые запахи – и все это при потреблении десятков милливатт энергии. Эти небольшие примеры продемонстрировали отличную масштабируемость системы: более сложные задачи выполняются на процессорах Loihi быстрее и эффективнее, чем с помощью обычных решений. Все это отражает масштабируемость, присущую мозгу в живой природе – мозгу насекомого или человека.

Благодаря 100 миллионам нейронов система Pohoiki Springs увеличивает нейронную способность Loihi до размеров мозга небольшого млекопитающего, что является важным шагом на пути к выполнению более объемных и сложных нейроморфных рабочих нагрузок. Эта система закладывает основу для автономного подключенного будущего, которое потребует новых подходов к динамической обработке данных в режиме реального времени.

Каким образом можно использовать новую систему: Нейроморфные системы Intel, такие как Pohoiki Springs, все еще находятся на этапе исследований и не предназначены для замены традиционных вычислительных систем. Пока что они предлагают исследователям инструмент для разработки и оценки новых алгоритмов вычислений, вдохновленных природными системами, для обработки данных в реальном времени, решения задач, адаптации и обучения.

Члены INRC получат доступ и смогут создавать приложения на базе Pohoiki Springs через облако, используя Intel Nx SDK и предоставленные сообществом программные компоненты.

Приведем несколько многообещающих примеров масштабируемых алгоритмов, разработанных для процессоров Loihi:

•  Удовлетворение ограничений: задачи с удовлетворением ограничений встречаются повсеместно, от игры в судоку до планирования авиаперевозок и доставки посылок. Их решение требует оценки большого числа возможных вариантов для поиска лишь одного или нескольких, которые удовлетворяют определенным ограничениям. Использование процессора Loihi позволяет ускорить решение подобных задач за счет параллельной оценки различных вариантов решений на высокой скорости.

•  Поиск на графе и выявление шаблонов: Каждый день люди сталкиваются с задачами обхода графа для поиска оптимальных маршрутов и нахождения точно совпадающих шаблонов, например, для поиска кратчайшего маршрута или распознавания лиц. Процессор Loihi продемонстрировал способность быстро определять кратчайшие пути на графах и выполнять приблизительный поиск изображений.

•  Задачи оптимизации: нейроморфные архитектуры могут быть запрограммированы таким образом, чтобы их динамическое поведение с течением времени математическими методами оптимизировало достижение конкретных целей. Подобное поведение может применяться для решения реальных задач оптимизации, например, для максимизации полосы пропускания канала беспроводной связи или для распределения портфеля акций для минимизации рисков при целевой ставке доходности.

Подробнее о нейроморфных вычислениях: Традиционные процессоры общего назначения, в том числе центральные процессоры и графические процессоры, хорошо справляются с трудными для человека задачами, например, с высокоточными математическими вычислениями. Но роль и применение новых технологий постоянно расширяются. Сегодня все чаще возникает потребность в том, чтобы компьютеры функционировали подобно человеческому мозгу в самых различных задачах, от автоматизации до искусственного интеллекта и не только: для обработки неструктурированных и зашумленных данных в режиме реального времени, и одновременно с этим адаптировались к изменениям. Эта проблема способствует появлению новых и специализированных архитектур.

Нейроморфные вычисления – это полное переосмысление всей компьютерной архитектуры. Цель заключается в том, чтобы применить на практике новейшие достижения в области нейробиологии для создания микросхем, которые функционировать бы иначе, не так, как традиционные компьютеры, а скорее напоминали бы работу человеческого мозга. Нейроморфные системы воспроизводят способ организации нейронов, их взаимодействия и обучения на аппаратном уровне. Intel считает, что процессор Loihi и будущие нейроморфные процессоры определят новую модель программируемых вычислений для удовлетворения растущего спроса на интеллектуальные устройства.

Публикации по теме
Специализ. СХД для BI-хранилищ, аналитика "больших данных", интеграция данных
 
Новости Intel

© "Storage News" journal, Russia&CIS
(495) 233-4935;
www.storagenews.ru; info@storagenews.ru.