美国用硅工艺实现按人脑机理工作的微处理器
时间：12-12
整理：3721RD
点击：
基于人脑机能的认知微处理器原型研制成功
2011年8月18日IBM公司宣布，该公司主导的美国国防预先研究计划局（DARPA）“神经形态自适应的可塑可调电子系统”（SyNAPSE）项目实现了阶段1的目标，研制出模拟大脑神经元和突触功能的两块硅基“认知计算芯片”（CCC）原型。该认知计算芯片能模拟大脑的感觉、观念、行为、互动以及认识能力，同时还将显著降低计算系统的功耗和体积。
SyNAPSE项目将为自主、无人、机器人系统开发的一种生物级神经形态电子系统。换言之，SyNAPSE项目的目标是为具备高度自主性的无人系统开发出按照哺乳动物大脑机能工作的微处理器。
一、SyNAPSE项目的基本原理可由橘园比喻形象展现
IBM公司SyNAPSE项目的主管摩德哈（Modha）博士将处理过程比喻为运送橘子。树木代表内存，橘子就是比特，用户则是处理器。橘子必须通过高速公路运输，才能送达用户；但橘子越多，交通越拥挤，正如冯•诺依曼架构芯片所遭遇的问题一样。解决这个问题是全世界计算机科学家的重点。根据橘园比喻，SyNAPSE团队的方案是将用户移入橘园，也就是处理器与存储器相集成，相对于冯氏架构完全另辟蹊径。摩德哈的小组并不是试图绕过冯氏架构的第一个研究团队，但其方法的独到之处在于灵感来自人类神经系统的工作方式。这不是仿真，而是研制出了按照人脑机理工作的实际芯片。
这种新型芯片基于神经生物学原理(不含生物成分),它采用硅材料复制大脑神经元、神经突触和轴突等结构，实现神经元的计算、神经突触的综合存储以及轴突的通信等功能。芯片时钟频率10Hz左右，接近大脑工作频率。IBM公司研制的两块原型芯片都包含了256个数字“神经元”，其中一个包含262144个可编程突触，而另一个包含65536个学习型突触。IBM公司展示了这两块芯片在导航、机器视觉、模式识别、联想记忆和类别划分等领域的简单应用。该公司的长期目标是构建功耗仅1千瓦，体积约2升，具有上百亿神经元和上百万亿突触的芯片系统。
SyNAPSE项目始于2008年10月，其目标是创造一种能在实际环境中获得认知，并借此解决实际环境中复杂问题的智能计算机，同时其体积和功耗级别还要能与大脑相比拟。该项目共分为五个阶段，其中阶段0的执行期为0.75年，阶段1～阶段4的执行期分别为1.5年。研制出两块原型芯片后，该项目进入阶段2实施期，并将获得2100万美元的新投资。
二、（略）
三、SyNAPSE项目的进展是现代计算系统取得的重大突破
现代计算系统的高速发展主要得益于冯•诺依曼架构和硅基芯片集成度的不断提升。然而，随着技术的持续演化，这两大技术驱动因素都度过了最佳适用期，局限和瓶颈效应日益凸显，亟待突破。
在冯氏系统中，信息处理和信息存储是分别进行的，这种架构的本质是一种线性过程。计算机软件则是为进行线性处理而编制的由指令组成的一种线性事件序列。因此更快的时钟速度就意味着计算机可以更快地处理这些线性指令。冯氏架构的简洁清晰，使其成为计算机系统中的主流架构。但随着处理问题的复杂程度的增长，冯氏计算系统本身的复杂度开始急剧增长，运行效率和能耗效率都不尽如人意。例如，2009年，IBM公司用配置了147456个处理器和144TB主内存的蓝色基因/P高性能计算机对猫的大脑皮层进行模拟。这些模拟的任务量相当于4.5%的人类大脑皮层能力，但这种采用冯氏架构的模拟，所需要的能源相当于人类大脑本身消耗能源的十万余倍。再如，实现实时图像处理、三维姿态控制、多传感器数据融合要靠一台功耗上千瓦的传统高性能服务器才能实现；而蚊子的神经系统简单紧凑，却能以超低功耗轻松实现同样功能。架构的不同是现代高性能计算系统不适用于认知计算领域的主要原因。现在，SyNAPSE项目的进展使认知计算系统缺少适合任务需求的处理器这一困扰迎刃而解。另一方面，现代芯片制造技术已经暴露出其局限性。2020年前后，依靠芯片集成度持续提升的计算能力将面临硅技术物理极限的巨大挑战（10纳米之后，硅CMOS器件将因漏电流过大而失效，摩尔定律将难以为继，即使采取技术措施延续，产生的成本也难以承受），如继续发展计算能力，必须探索硅的替代方案。但若将全新的认知计算架构同业已高度成熟的硅工艺相结合，则将极大缓解这个问题。
四、SyNAPSE项目的未来
传统处理器的处理能力经历了60多年的发展历程，而认知计算芯片的性能发展要快得多。现阶段，含有16×16个神经元阵列的芯片在同人玩电脑乒乓球游戏时，凭借自主确定的策略已经能够偶尔获胜。下一阶段，SyNAPSE项目将扩大到百万神经元的芯片设计规模，实现“鼠”和“猫”的智能。而这并不意味着传统计算架构的终结。在摩德哈博士看来，未来的处理器将由认知的内核和传统的内核组成。计算机的“右脑”识别环境中的模式，然后将信息交由“左脑”进行处理和计算。到目前为止，传统的处理器内核是左脑，侧重于数值计算。而认知处理器内核则是右脑，适于识别模式和处理歧义。而且由于以并行方式工作并集成内存，因而比传统处理器的功耗要少得多。
2011年8月18日IBM公司宣布，该公司主导的美国国防预先研究计划局（DARPA）“神经形态自适应的可塑可调电子系统”（SyNAPSE）项目实现了阶段1的目标，研制出模拟大脑神经元和突触功能的两块硅基“认知计算芯片”（CCC）原型。该认知计算芯片能模拟大脑的感觉、观念、行为、互动以及认识能力，同时还将显著降低计算系统的功耗和体积。
SyNAPSE项目将为自主、无人、机器人系统开发的一种生物级神经形态电子系统。换言之，SyNAPSE项目的目标是为具备高度自主性的无人系统开发出按照哺乳动物大脑机能工作的微处理器。
一、SyNAPSE项目的基本原理可由橘园比喻形象展现
IBM公司SyNAPSE项目的主管摩德哈（Modha）博士将处理过程比喻为运送橘子。树木代表内存，橘子就是比特，用户则是处理器。橘子必须通过高速公路运输，才能送达用户；但橘子越多，交通越拥挤，正如冯•诺依曼架构芯片所遭遇的问题一样。解决这个问题是全世界计算机科学家的重点。根据橘园比喻，SyNAPSE团队的方案是将用户移入橘园，也就是处理器与存储器相集成，相对于冯氏架构完全另辟蹊径。摩德哈的小组并不是试图绕过冯氏架构的第一个研究团队，但其方法的独到之处在于灵感来自人类神经系统的工作方式。这不是仿真，而是研制出了按照人脑机理工作的实际芯片。
这种新型芯片基于神经生物学原理(不含生物成分),它采用硅材料复制大脑神经元、神经突触和轴突等结构，实现神经元的计算、神经突触的综合存储以及轴突的通信等功能。芯片时钟频率10Hz左右，接近大脑工作频率。IBM公司研制的两块原型芯片都包含了256个数字“神经元”，其中一个包含262144个可编程突触，而另一个包含65536个学习型突触。IBM公司展示了这两块芯片在导航、机器视觉、模式识别、联想记忆和类别划分等领域的简单应用。该公司的长期目标是构建功耗仅1千瓦，体积约2升，具有上百亿神经元和上百万亿突触的芯片系统。
SyNAPSE项目始于2008年10月，其目标是创造一种能在实际环境中获得认知，并借此解决实际环境中复杂问题的智能计算机，同时其体积和功耗级别还要能与大脑相比拟。该项目共分为五个阶段，其中阶段0的执行期为0.75年，阶段1～阶段4的执行期分别为1.5年。研制出两块原型芯片后，该项目进入阶段2实施期，并将获得2100万美元的新投资。
二、（略）
三、SyNAPSE项目的进展是现代计算系统取得的重大突破
现代计算系统的高速发展主要得益于冯•诺依曼架构和硅基芯片集成度的不断提升。然而，随着技术的持续演化，这两大技术驱动因素都度过了最佳适用期，局限和瓶颈效应日益凸显，亟待突破。
在冯氏系统中，信息处理和信息存储是分别进行的，这种架构的本质是一种线性过程。计算机软件则是为进行线性处理而编制的由指令组成的一种线性事件序列。因此更快的时钟速度就意味着计算机可以更快地处理这些线性指令。冯氏架构的简洁清晰，使其成为计算机系统中的主流架构。但随着处理问题的复杂程度的增长，冯氏计算系统本身的复杂度开始急剧增长，运行效率和能耗效率都不尽如人意。例如，2009年，IBM公司用配置了147456个处理器和144TB主内存的蓝色基因/P高性能计算机对猫的大脑皮层进行模拟。这些模拟的任务量相当于4.5%的人类大脑皮层能力，但这种采用冯氏架构的模拟，所需要的能源相当于人类大脑本身消耗能源的十万余倍。再如，实现实时图像处理、三维姿态控制、多传感器数据融合要靠一台功耗上千瓦的传统高性能服务器才能实现；而蚊子的神经系统简单紧凑，却能以超低功耗轻松实现同样功能。架构的不同是现代高性能计算系统不适用于认知计算领域的主要原因。现在，SyNAPSE项目的进展使认知计算系统缺少适合任务需求的处理器这一困扰迎刃而解。另一方面，现代芯片制造技术已经暴露出其局限性。2020年前后，依靠芯片集成度持续提升的计算能力将面临硅技术物理极限的巨大挑战（10纳米之后，硅CMOS器件将因漏电流过大而失效，摩尔定律将难以为继，即使采取技术措施延续，产生的成本也难以承受），如继续发展计算能力，必须探索硅的替代方案。但若将全新的认知计算架构同业已高度成熟的硅工艺相结合，则将极大缓解这个问题。
四、SyNAPSE项目的未来
传统处理器的处理能力经历了60多年的发展历程，而认知计算芯片的性能发展要快得多。现阶段，含有16×16个神经元阵列的芯片在同人玩电脑乒乓球游戏时，凭借自主确定的策略已经能够偶尔获胜。下一阶段，SyNAPSE项目将扩大到百万神经元的芯片设计规模，实现“鼠”和“猫”的智能。而这并不意味着传统计算架构的终结。在摩德哈博士看来，未来的处理器将由认知的内核和传统的内核组成。计算机的“右脑”识别环境中的模式，然后将信息交由“左脑”进行处理和计算。到目前为止，传统的处理器内核是左脑，侧重于数值计算。而认知处理器内核则是右脑，适于识别模式和处理歧义。而且由于以并行方式工作并集成内存，因而比传统处理器的功耗要少得多。