英特尔神经拟态系统Pohoiki Beach,在研究试验中取得突破性成果( 六 )

滑铁卢大学教授、应用大脑研究部联合首席执行官Chris Eliasmith表示:“与GPU相比 , Loihi芯片运行实时深度学习基准的功耗降低了109倍 , 而与专用物联网推理硬件相比 , 功耗则降低了5倍 。 一个更令人振奋的结果是 , 当我们将网络规模扩大50倍时 , Loihi能够保持实时性能表现 , 功耗却只增加了30% , 物联网硬件的功耗则增加了500% , 而且无法保持实时性 。 ”

“借助Loihi , 我们建立了一个可模拟大脑潜在神经表征和行为的脉冲神经网络 。 SLAM解决方案是作为网络结构的一种属性出现的 。 我们对Loihi上运行的网络进行了基准测试 , 发现其准确性丝毫不亚于一种广泛应用于移动机器人的在CPU上运行的SLAM方法 , 但功耗却仅为后者的百分之一” , 罗格斯大学的Konstantinos Michmizos教授在介绍其实验室的SLAM研究结果时如是说 , 他将在11月的智能机器人和系统国际会议(IROS)上发表这些工作成果 。


推荐阅读