معرفی Hala Point، یک سیستم محاسباتی نورومورفیک نسل بعدی که با همکاری آزمایشگاه‌های ملی ساندیا طراحی شده است. با الهام از آتشفشان‌های مرموز هاوایی، Hala Point شامل یک شاسی کوچک است که شش قفسه پردازنده را در خود جای داده است که به اندازه‌ی تقریبی یک مایکروویو آدمیست. این سیستم قدرت‌مندی است که مجهز به آرایه‌ای نگرانه از 1,152 پردازنده‌ی Loihi 2 می‌باشد که با استفاده از فناوری فرآیند 4 پیشرفتهٔ اینتل ساخته شده‌اند.
با توجه به ظرفیت محاسباتی عظیم، Hala Point از حداکثر 1.15 میلیارد نورون و 128 میلیارد اتصال گسیخته شده در 140,544 هسته پردازشی نورومورفیک پشتیبانی می‌کند. مصرف انرژی این شبکهٔ عظیم عصبی در حدود 2600 وات باقی می‌ماند. به اضافه‌ی اینکه از بیش از 2,300 پردازنده‌ی x86 اینتل یکپارچه نیز برای انجام وظایف پشتیبانی و پردازشی استفاده شده است.
از لحاظ پردازش داده‌ها، سیستم کانال‌های داده، حافظه و ارتباطات را در یک ساختار بسیار موازی یکپارچه داخلی می‌کند. این ترتیب ترانزیت حافظه فوق العاده‌ای با یکسال‌های 16 پتابایت در ثانیه (PB/s)، پهنای باند داخل‐هسته‌شامل 3.5 PB/s، و سرعت انتقال داده داخلی‐تراشیپ که به 5 ترابایت در ثانیه (TTB/s) می‌رسد تولید می‌کند. این اطلاق به Hala Point امکان می‌دهد تا بیشتر از 380 تریلیون عمل‌های سیناپسی 8 بیت و بیش از 240 تریلیون عملیات عصبی در ثانیه را پردازش کند.
اینتل نور روشن‌کننده‌‌ی کارآمدی Hala Point را نشان داده است، نشان می‌دهد که توانایی حفظ تا 20 کوادریلیون عملیات در ثانیه یا 20 پتا‌عملیات در ثانیه (PEOPS)، با کارایی عبور 15 تریلیون عملیات 8 بیت در ثانیه در وات (TOPS/W)، داشته است. این عملکرد گزارش شده به میزانی است که با سازمان‌های GPU و CPU همخوانی یا حتی بیشتر را به دست می‌دهد.
به تحولات آینده Hala Point: هدایت شده برای فراهم کردن یادگیری پیوسته به صورت زمان واقعی برای برنامه‌های هوش مصنوعی است. این بررسی‌ها شامل کشف چالش‌های علمی و مهندسی، بهینه‌سازی لجیستیک‌ها، مدیریت زیرساخت‌های شهری هوشمند، پردازش مدل‌های زبانی دستاورده(S)، و تغذیه عامل‌های هوش مصنوعی پیچیده می‌شود.
پل‌بندی چشمه: با پیچیدگی و کارایی مغز انسان به مانند سازی یک اندروید در زمینه محانه مانند اینتل Hala Point یک تازه‌وارد نوارجدیدۀ نظام تجربه در سال‌های اخیر در بخش سیستم‌های نورومورفیک موجود در آزمایشگاه‌های ملی ساندیا است.
محاسبات نورومورفیک، مانند Hala Point اینتل، یک رویکرد نوآورانه است که به تقلید از ساختار عصبی مغز انسان برای ایجاد سیستم‌های محاسباتی پیشرفته می‌پردازد. این رویکرد می‌تواند منجر به وجود کامپیوترهایی شود که می‌توانند به صورت پویا یاد بگیرند و سازگاری داشته باشند، مشابه مغزهای زنده. در زیرفراهم می‌کنم اطلاعاتی زمانه پیری این‌بار درباره این موضوع از‌جمله پاسخ به پرسش‌های اصلی، چال‌ها یا اختلافات احتمالی، مزایا و معایب:
حقایق اضافی:
– سیستم‌های محاسباتی نورومورفیک مانند Hala Point از شبکه‌های عصبی دست کشیده (SNN) استفاده می کنند، که هدف آن شبیه‌سازی روشی است که نورون‌های زنده به وسیله‌ی انفجارات ارتباط برقرار می‌کنند.
– پردازنده‌های Loihi 2 اینتل نسل دوم پردازش نورومورفیک هستند که بر پیشینیان خود تکیه می‌کنند و سرعت، کارایی و توانایی بهبود یافته ارائه می‌دهند.
– پردازش نورومورفیک برای رباتیک پیشرفته، سیستم‌های خودکار و دیگر حوزه‌های که رشد و پردازش زمان واقعی حیاتی است، پتانسیل دارد.
پرسش‌های اصلی و پاسخ‌ها:
– چیستی محاسبات نورومورفیک؟ محاسبات نورومورفیک یک شکل از محاسبات است که ساختار عصبی مغز انسان را تقلید کرده، به منظور دستیابی به محاسبات کارآمد و کم‌پاور است.
– نحوه مقایسه Hala Point با سیستم‌های محاسبات سنتی چیست؟ Hala Point به منظور تقلید از قابلیت یادگیری و پردازش اطلاعات مغز برای توانایی مصرف انرژی کاری است، که با سیستم‌های محاسبات سنتی که مدل محاسباتی چندربا ارائه می‌دهند، متفاوت است.
چالنژ‌ها و اختلافات:
– مقیاس‌پذیری: در حالی که سیستم‌های نورومورفیک مانند hala Point امیدوارند، به پیچیدگی و اندازه‌گیری مغز انسان رسیدگی رایجی‌اند.
– توسعه نرم‌افزار: توسعه نرم‌افزارها و الگوریتم‌های سفارشی برای ساختمان سخت‌افزارهای نورومورفیک یک تلاش مستمر است و روند آن، استفاده‌های گسترده تری را دارد.
– درک از مغز: کاملاً به تقلید از توانایی‌های پردازش مغز نیاز به یک درک عمیق از کارکرد آن دارد ،بیشتر از آنها که در علم اعصاب باقی مونده است.
مزایا:
– کارایی انرژی: سیستم‌های نورومورفیک می‌توانند در سطوح بالایی از کارایی محاسباتی دست یابند، که برای موبایل و کاربرد‌های جاسازی شده مفید است جایی که انرژی محدود است.
– یادگیری زمان‌واقعی: این سیستم‌ها می‌توانند در زمان واقعی یاد بگیرند و تطابق پیدا کنند، که آنها را مناسب محیط‌های پویا می‌کند.
معایب:
– توسعه پیچیده: طراحی و توسعه سیستم‌های نورومورفیک پیچیده است و نیاز به تخصص متقاطع دارد.
– اختصاصیت برنامه: این سیستم‌ها ممکن است برای همه‌ی کارهای محاسباتی مناسب نباشند و در حال حاضر بهترین برای برنامه‌هایی هستند که پردازشی تطابق پذیر، زمان واقعی را نیاز دارند.
لینک‌های مربوطه:
برای اطلاعات بیشتر درباره اینتل و پیشرفت‌های آن در فناوری‌های محاسباتی، می‌توانید به وب‌سایت رسمی آنها به اینتل مراجعه کنید. علاوه براین، برای اطلاعات عمومی درباره محاسبات نورومورفیک و توسعه آن می‌توانید به وب‌سایت‌های مؤسسات تحقیقاتی پیشگام، مانند آزمایشگاه‌های ملی ساندیا به آزمایشگاه‌های ملی ساندیا مراجعه کنید.
The source of the article is from the blog scimag.news