Zum Hauptinhalt Zur Navigation Zur Suche

Neuromorphic Computing: Intels Loihi-2-Chip nutzt eine Million Neuronen

Kleiner, effizienter, schneller: Mit dem Loihi 2 bringt Intel eine verbesserte Version seines ähnlich wie ein Gehirn arbeitenden Chips.
/ Marc Sauter
6 Kommentare News folgen (öffnet im neuen Fenster)
Loihi 2 auf einem Finger (Bild: Intel)
Loihi 2 auf einem Finger Bild: Intel

Intel hat den Loihi 2 vorgestellt, ein für Neuromorphic Computing ausgelegten Chip. Er folgt auf den ersten Loihi von 2017 und weist in jeglichen Bereichen eine Verbesserung auf, da Intel die Architektur und die Fertigung deutlich weiterentwickelt hat.

Wurde der Loihi noch mit dem 14-nm-Verfahren produziert, ist es beim Loihi 2 eine Vorabversion des kommenden Intel 4 (früher als 7+ nm EUV bezeichnet). Der neue Chip fällt mit 31 mm² statt 60 mm² nur etwa halb so groß aus, weist aber dennoch eine Million Neuronen statt nur 128.000 auf.

Der interne Aufbau umfasst weiterhin 128 Neuron Cores in einem zweidimensionalen 8x16-Mesh, worin jedoch die achtfache Menge an Neuronen stecken. Jedem Kern stehen zwar erneut 128 KByte lokaler SRAM zu Verfügung, dieser ist aber nun flexibel partionierbar. Zudem profitiert er stark von der neuen Kompression für beispielsweise die Zustände von Neuronen oder dem Axon-Routing.

Besser skalierbar und einfacher zu programmieren

Ebenfalls wichtig ist die Off-Chip-Kommunikation, da Intel den Loihi 2 in Systemen mit mehreren davon einsetzen will. Hierzu gibt es ein 3D- statt 2D-Array, das zusammen mit der Message-Kompression die Geschwindigkeit verzehnfachen soll. Vorerst bietet Intel den Loihi 2 als Entwicklerplatine mit einem Chip an (Oheo Gulch), später soll eine Variante mit acht der Neuromorphic-Computing-Prozessoren folgen (Kapoho Point).

Weil Hardware alleine wenig nützt, hat Intel parallel zu Loihi 2 die Software weiterentwickelt: Das Lava-Framework entstand aus dem früheren Nx-SDK (Software Development Kit) und soll künftig unter BSD-3/LGPL-2.1-Lizenz als Open-Source-Software bei Github verfügbar sein.

Lava integriert unter anderem ein Python-Interface und lässt sich auch auf CPU/GPU-Plattformen einsetzen, was die Entwicklung deutlich vereinfacht. Auch sollen sich Frameworks wie Nengo, Pytorch, Robotic Operating System (ROS), Tensorflow oder Yarp leicht einbinden lassen.


Relevante Themen