英特尔神经形态研究社区
加速突破性 AI 系统的研究和采用
英特尔神经形态研究社区(英特尔 NRC)是由全球各地的学术团体、政府实验室、研究机构和公司组成的生态系统,他们与英特尔合作,进一步发展神经形态计算,开发创新型 AI 应用程序。
我们的工作重心
我们的产品和服务
共同领导
英特尔神经形态研究社区是一个由超过 75 支研究团队组成的全球网络,这些团队致力于打造神经形态计算的未来,使技术成为商业现实。
借助 Loihi 芯片,我们已经能证明运行实时深度学习基准的功耗与 GPU 相比降低 109 倍,与专业物联网推理硬件相比降低 5 倍。更棒的是,如果我们将网络规模扩大 50 倍,Loihi 仍将保持实时性能结果,且功耗仅增加 30%,而物联网硬件的功耗则增加 500%,且无法保持实时性能。
英特尔的 Loihi 神经形态处理器在提供人工智能和边缘计算领域的新功能方面存在巨大潜力。灵活编程、随时访问基于云的资源,以及连接强大的第三方神经形态计算生态系统,这些都是通用电气等工业公司改造复杂工业系统和网络所需的关键要素。
Loihi 助力我们研究出一个模仿大脑基础神经表征和行为的脉冲神经网络。SLAM 解决方案作为网络结构的一个属性而出现。我们对 Loihi 运行的网络进行了基准测试,发现与广泛使用且通过 CPU 运行的移动机器人 SLAM 方法相比,它同样准确,但消耗的能量少 100 倍。
出版物选辑
Loihi:采用基于芯片学习的神经形态处理器
神经形态硬件上用于高能效单维 SLAM 的脉冲神经网络
G.Tang、A.Shah、K.Michmizos(罗格斯大学)
对神经形态硬件上的关键词识别效率进行基准测试
P.Blouw、X.Choo、E. Hunsberger、C.Eliasmith (ABR)
神经形态嗅觉回路中的快速在线学习和鲁棒回忆
N. Imam (Intel)、T.Cleland (Cornell)
利用 Loihi 脉冲神经元进行资产配置的高速认知域本体
C.Yakopcic、T.Atahary、N. Rahman、T.M.Taha、A.Beigh 和 S. Douglass
利用节律性脉冲模式的鲁棒计算
EP Frady 和 F.Sommer(英特尔/伯克利)
新闻内容
了解有关英特尔和神经形态计算的最新消息。
加入我们
英特尔神经形态研究社区的成员资格面向全球所有符合条件的学术、企业和政府研究团体免费开放。如果您有兴趣加入英特尔 NRC,请向我们发送电子邮件,介绍一下您自己以及您的研究兴趣。
虽然建议成员通过英特尔神经形态平台共享他们开发的代码、算法和设计,但不要求免费分享知识产权。英特尔的长期目标之一就是培育一个商业神经形态生态系统,因此,成员可保留其使用 Loihi 的过程中产生的任何发明的完整产权。