๊ณต์ง
์ธํ , ์์ฝ ํ๋ ๋ค๋ฆฌ AI ๋ฐ์ ์ ๋ํ ์ต๋์ ์ ๊ฒฝ ํํ ์์คํ ๊ฐ๋ฐ
인텔은 최근 세계에서 가장大的 신경 형태 시스템인 Hala Point를 개발했으며, 이는 보다 지속 가능하고 효율적인 인공 지능으로 향하는 중요한 단계를 나타냅니다. 샌디아 국립 연구소에서 처음 배치된 Hala Point는 인텔의 최신 Loihi 2 프로세서를 사용하며, 그 전신인 Pohoiki Springs의 성공을 기반으로 하여 아키텍처에서 상당한 개선을 제공합니다. 이 향상은 뉴런 용량을 10배 이상 증가시키고 성능을 최대 12배까지 향상시킵니다.
“오늘날의 AI 모델의 컴퓨팅 비용은 지속 불가능한 속도로 증가하고 있습니다. 산업은 확장할 수 있는 근본적으로 새로운 접근 방식을 필요로 합니다. 이러한 이유로, 우리는 Hala Point를 개발했으며, 이는 딥 러닝 효율성과 신경망 학습 및 최적화 기능을 결합합니다. 우리는 Hala Point를 사용한 연구가 대규모 AI 기술의 효율성과 적응성을 향상시킬 수 있기를 바랍니다”라고 인텔 연구소의 신경 형태 컴퓨팅 연구소 소장인 Mike Davies는 말했습니다.
Hala Point는 최첨단 컴퓨팅 효율성을 демон스트레이션할 수 있는 최초의 대규모 신경 형태 시스템으로, 주류 AI 워크로드에서 상태 오프 더 아트의 컴퓨팅 효율성을 보여줄 수 있습니다. 이는 20 페타옵스(20 quadrillion operations per second)까지 지원할 수 있으며, 일반적인 딥 뉴럴 네트워크를 실행할 때 15 트릴리언 8비트 연산당 1와트(TOPS/W) 이상의 효율성을 제공합니다.
샌디아 국립 연구소의 연구자들은 Hala Point를 사용하여 고급 뇌 규모 컴퓨팅 연구를 수행할 것입니다. 이 연구는 장치 물리학, 컴퓨터 아키텍처, 정보학 등 다양한 분야의 과학 컴퓨팅 문제에 중점을 둘 것입니다. “Hala Point와 협력하면 우리 샌디아 팀이 계산 및 과학 모델링 문제를 해결하는 능력을 향상시킬 수 있습니다. 이러한 규모의 시스템을 사용하여 연구를 수행하면 상업, 국방, 기본 과학을 포함한 분야에서 AI의 발전에 따라갈 수 있습니다”라고 Hala Point 팀 리더인 Craig Vineyard는 말했습니다.
Hala Point는 여전히 연구 프로토タイプ이지만, 인텔은 그로부터 얻은 교훈이 향후 상업 시스템의 능력을 크게 향상시킬 것으로 예상합니다. 특히, 대규모 언어 모델이 새로운 데이터에서 지속적으로 학습할 수 있도록 하며, AI 배포의 훈련 부담을 줄일 수 있을 것입니다.
점점 더 큰 딥 러닝 모델에 대한 추진은 AI 내에서 상당한 지속 가능성 문제를暴露시켰으며, 이는 하드웨어 아키텍처의 기본 수준에서 혁신을 필요로 합니다. 신경 형태 컴퓨팅은 신경과학에서 영감을 얻어, 메모리와 컴퓨팅을 고도로 병렬화된 프레임워크 내에서 통합하여 데이터 이동을 최소화합니다. 이 접근 방식은 효율성, 속도, 적응성에서 놀라운 개선을 보여주었습니다. 이는 이번 달의 국제 음성 및 신호 처리 회의(ICASSP)에서 Loihi 2의 성능으로 입증되었습니다.
Hala Point는 1,152개의 Loihi 2 프로세서를 통합하며, 6개의 랙 유닛 데이터 센터 샤시 내에서 최대 11.5억개의 뉴런과 128억개의 시냅스를 지원합니다. 이는 140,544개의 신경 형태 처리 코어에 분산되어 있습니다. 대규모 병렬화된 패브릭은 상당한 메모리 대역폭과 통신 속도를 제공하여 바이오启発 스파이킹 신경 네트워크 모델에 강력한基础를 제공합니다.
인텔의 신경 형태 시스템 개발은 Hala Point와 같은 시스템을 통해 현재 AI의 실제 배포를 제한하는 전력 및 지연 제약을 해결하도록 설계되었습니다. 인텔 신경 형태 연구 커뮤니티(INRC)의 지속적인 협력과 함께, 인텔은 이 뇌启発 기술을 연구 프로토タイプ에서 상업 제품으로 발전시키기 위해 노력하고 있습니다.
