Mengapa Intel Mengembangkan Loihi 2 Neuromorphic Compute Tile

Prediksi terbaru Result SGP 2020 – 2021. Game harian lainnya muncul diperhatikan secara terjadwal melewati pengumuman yg kita tempatkan dalam website ini, dan juga dapat dichat kepada petugas LiveChat support kita yg stanby 24 jam On-line guna mengservis segala kepentingan antara pengunjung. Lanjut cepetan gabung, serta ambil promo Toto serta Kasino On-line terbaik yang hadir di lokasi kita.

Komputasi Neuromorfik Sedikit Ringan Untuk Hari Jumat

Intel telah mengungkapkan detail tentang Loihi 2 Neuromorphic Compute Tile mereka, pandangan yang sama sekali berbeda dalam komputasi. Loihi 2 tidak memproses data seperti silikon biasa yang memberi daya pada perangkat tempat Anda membaca ini, juga tidak menangani data seperti mesin pembelajaran mendalam yang menjadi fokus sebagian besar HPC, juga tidak menyerupai prosesor kuantum yang mulai berevolusi menjadi sesuatu. lebih dari sekedar bukti perangkat konsep.

Loihi 2 adalah jenis baru dari jaringan saraf pada sebuah chip, yang berusaha untuk meniru neuron, akson, dan dendrit yang ditemukan di sebagian besar makhluk yang Anda temui sepanjang hari Anda. Dengan komputer kuantum, satu set qubit secara khusus diatur untuk memecahkan masalah tertentu dan menggunakan aturan fisika kuantum untuk segera menghasilkan output yang diberi kemungkinan benar.

Komputer kuantum sangat kuat dalam memecahkan masalah yang mereka rancang, dan dapat menghasilkan output instan yang, pada komputer tradisional bisa memakan waktu ribuan jam pemrosesan untuk sampai. Masalahnya adalah tidak ada fleksibilitas dalam sistem, qubit perlu dikonfigurasi secara khusus untuk setiap umpan masalah ke dalam sistem. Ada juga masalah pendinginan, bahkan pengaturan LN2 tidak cukup untuk menjaga jenis sistem itu dalam keadaan stabil.

Model pembelajaran mendalam tradisional juga sangat berbeda dari komputasi neuromorfik, perangkat HPC yang kami lihat dari NVIDIA dan lainnya terdiri dari jaringan besar neuron buatan yang bereaksi berbeda terhadap input tergantung pada bagaimana dan di mana mereka dipasang. Untuk menghasilkan hasil yang lebih detail, jaringan perlu dibuat lebih besar, atau seperti namanya, dibuat lebih dalam, yang mengakibatkan peningkatan biaya dan produksi panas.

Tantangan lain untuk menghasilkan hasil yang layak dari jaringan saraf adalah bahwa ia perlu dilatih tentang tugas yang diberikan padanya. Misalnya, meyakinkannya untuk memproses dan mengidentifikasi objek dalam gambar atau video dengan benar memerlukan sesi pelatihan yang panjang, yang ketika selesai, akan memungkinkannya memproses dan mengenali objek yang dilatihnya secara efektif. Apa yang tidak akan dapat dilakukan adalah mengidentifikasi hal-hal yang belum dilatih, atau bahkan hal-hal yang dilatih untuk dikenali jika sebagian dikaburkan atau jika objek berada pada sudut yang tidak mereka latih.

Kurangnya fleksibilitas yang melekat pada jaringan saraf standar itulah yang coba dihindari Intel dengan Loihi 2 Neuromorphic Compute Tile mereka. Arsitektur baru ini dirancang dengan fleksibilitas sebagai tujuan utama, dengan akurasi hasil sebagai tujuan sekunder. Itu tidak berarti akan mengeluarkan jawaban yang sepenuhnya salah, sebaliknya Intel bertujuan untuk hasil yang cukup baik.

Contoh yang dikutip Ars Technica adalah tentang bagaimana kinerja robot otonom akan berubah seiring waktu, seiring dengan keausan suku cadang dan gesekan sambungan yang meningkat. Saat ini, perubahan tersebut diabaikan, robot diperbaiki karena tidak dapat berfungsi karena perbedaan kinerja yang berlebihan, atau algoritma pembelajaran mendalam yang mengendalikan robot perlu dibuat baru dan dipasang. Dengan Loihi 2 yang mengendalikan robot, secara teoritis dapat mendeteksi perubahan kemampuan fisik robot dan menghasilkan algoritma kontrol baru yang memperhitungkan perubahan, tanpa memerlukan campur tangan programmer.

Jika Anda lebih tertarik pada perangkat keras dan perangkat lunak daripada teori, kunjungan ke ServeTheHome akan menguntungkan.