Der vom Gehirn der Tsinghua-Universität inspirierte Chip Tianjixin X erscheint auf dem Cover von Science, eine Roboterversion von Katz und Maus ist auf der Bühne

​Eine Roboterversion des Katz-und-Maus-Spiels der Tsinghua-Universität erschien auf dem Cover von Science.

Die Tom Cat hat hier einen neuen Namen: „Tianji Cat“. Sie ist mit den neuesten Forschungsergebnissen der vom Gehirn inspirierten Chips der Tsinghua-Universität ausgestattet – einem neuromorphen 28-nm-Rechenchip namens TianjicX.

Seine Mission ist es, eine zufällig laufende elektronische Maus zu fangen: In einer komplexen dynamischen Umgebung werden verschiedene Hindernisse zufällig und dynamisch an verschiedenen Orten platziert. „Tianji Cat“ muss die Maus mithilfe visueller Erkennung verfolgen. Mit akustischer Verfolgung oder einer Kombination aus beidem bewegen Sie sich dann auf die Maus zu, ohne mit Hindernissen zusammenzustoßen, um sie schließlich einzuholen.

In diesem Prozess muss „Tianjimao“ Spracherkennung, Schallquellenlokalisierung, Zielerkennung, Hindernisvermeidung und Entscheidungsfindung in Echtzeitszenarien realisieren, und TianjicX kann gleichzeitig in einem Rechenzentrum ausgeführt werden Durch die energiesparenden Algorithmen von Paradigm und die Verarbeitung mehrerer Roboterkoordinationsmethoden ist der Stromverbrauch von TianjicX halb so hoch wie der von NVIDIAs KI-Chip und die Latenz beim Betrieb mehrerer Netzwerke wird erheblich um das 79,09-fache reduziert!

„Ein wichtiger Meilenstein auf dem Gebiet der künstlichen Intelligenz“ hat einen weiteren Durchbruch erzielt

Im August 2019 entwickelte das Team von Professor Shi Luping von der Tsinghua-Universität den weltweit ersten vom Gehirn inspirierten Computerchip „Tianjic Core“, der auf den Markt kam Auf dem Cover von Nature wurde es auch von Nature-Chefredakteur Dr. Skipper als „ein wichtiger Meilenstein auf dem Gebiet der künstlichen Intelligenz“ gelobt!

Damals verfügten Fahrräder, die mit „Tian Ji Core“ ausgestattet waren, über echten Selbstantrieb und konnten selbstständig das Gleichgewicht kontrollieren, Hindernissen ausweichen, Sprachbefehle erkennen und Fußgänger vor ihnen erkennen.

Das war das erste Mal, dass ein chinesischer Chip in Nature vorgestellt wurde, und es wurde 2019 zu einem der jährlichen Top-Forschungsthemen in der wissenschaftlichen Gemeinschaft.

Dieses Mal hat das Team der Tsinghua-Universität den TianjicX-Chip basierend auf dem vorherigen entwickelt, der die adaptive Zuweisung von Rechenressourcen und die Ausführungszeitplanung jeder Aufgabe unterstützt und so die aktuellen Probleme bei der Entwicklung mobiler intelligenter Roboter-Computerhardware löst.

Apropos Probleme: Der Einsatz neuronaler Netzwerkalgorithmen (NN), um Roboter intelligent zu machen, ist jedoch notwendig, um die gleichzeitige Ausführung mehrerer NNs mit geringem Aufwand zu erreichen Latenz und hohe Effizienz müssen außerdem in der Lage sein, asynchron auszuführen und flexibel zu interagieren, was leider noch niemand kann.

Überwinden Sie die wichtigsten Herausforderungen neuromorpher Chips

Der sogenannte neuromorphe Computerchip ist ein Chip, der das Computerframework und den Computermodus des menschlichen Nervensystems imitiert. Er basiert auf einer dezentralen Nicht-von-Neumann-Architektur und kann mehrere ausführen neuronale Systeme gleichzeitig.

Allgemeine neuromorphe Chips verwenden jedoch normalerweise räumliches Slicing, um den Kern vorzukonfigurieren und das neuronale Netzwerk in einer Pipeline zu verarbeiten, und wiederholen die vorkonfigurierten Vorgänge jedes Mal. Dieser inhärente Engpass behindert die mehrfache Implementierung bestehender Computerhardware Algorithmen lokal und können keine niedrige Latenz und hohe Effizienz erreichen.

Daher steht die Entwicklung von TianjicX-Chips vor zwei zentralen Herausforderungen:

Erstens muss er die Leistungsanforderungen von Latency-Concurrency-Power (LCP) erfüllen, insbesondere für die Implementierung verschiedener neuronaler Netze

Die Zweitens geht es darum, die unabhängige Ausführung jeder Aufgabe ohne Störungen aufrechtzuerhalten und gleichzeitig die Interaktion zwischen Aufgaben zu unterstützen.

Um diese Herausforderungen zu meistern, führte das Forschungs- und Entwicklungspersonal eine Reihe von Entwürfen auf verschiedenen Ebenen wie Architektur, Chip- und Modellbereitstellung durch.

1. Infrastruktur – Rivulet-Ausführungsmodell

In diesem Modell verfügt jede räumliche Einheit über einen eigenen Speicher und einen Controller für die Berechnung, wodurch neuronale Netze und SNN in „statische Daten“ und „dynamische Daten“ zusammengefasst werden. Statische Daten werden im entsprechenden Speicher fixiert und dynamische Daten fließen zwischen benachbarten Ausführungen Einheiten.

Dadurch schlägt Rivulet eine Brücke zwischen den Anforderungen an die Rechenleistung des Roboters und der Hardware-Implementierung. Durch die Verteilung statischer Daten und das Streaming dynamischer Daten abstrahiert es die Ausführung neuronaler Netzwerkaufgaben und nutzt Zeit- und Raumaufteilung, um die elastische Ressourcenzuweisung zu implementieren pro Aktivität mit konfigurierbarer hybrider synchroner und asynchroner Gruppierung. 2. Chip-Hardware​ Es integriert 160 konfigurierbare Cross-Computing-Paradigmenkerne (FCore) mit riesigen parallelen Recheneinheiten, umfangreichem On-Chip-Speicher und beliebig konfigurierbaren Grundsequenzen für jeden Kern.

Der Controller macht nur etwa 1 % der FCore-Fläche aus, verbessert aber die Flexibilität und Effizienz der Aufgabenausführung und Interaktion deutlich. Das Kernspeichermodul besteht aus fünf SRAM-Blöcken (Static Random Access Memory) mit einer Gesamtkapazität von 144 KB. Durch die parallele Lese- und Schreibzugriffsschnittstelle mit hoher Bitbreite kann der gesamte Chip über eine Speicherzugriffsbandbreite von bis zu 5,12 TB/s bei 400 MHz verfügen. Aufgrund der optimierten On-Chip-Speicherauslastung beträgt die Rechenleistung pro Flächeneinheit hoch bis zu 0,2 TOPS/mm2.

Um automatisch schnelle und geeignete Strategien zu generieren, verwendet der Compiler-Stack eine räumlich-zeitliche Zuordnungsmethode, um verschiedene neuronale Netze zu vereinheitlichen, um Hardware-Funktionseinschränkungen zu erfüllen, einschließlich primitiver Transformationen und Quantisierung, und kann darauf basieren Auf den tatsächlichen Bedingungen verschiedener Szenarien müssen mehrere Aufgaben flexibel konfiguriert werden.

3. Erhebliche Verbesserung der Roboterleistung

Um die Fähigkeiten von TianjicX zu demonstrieren, haben die Forscher 4 TianjicX-Arrays in einem mobilen Roboter für multiintelligente Aufgaben eingesetzt und sie mit multimodalen Sensoren ausgestattet , während Tianji Cat im Katz-und-Maus-Experiment nur ein TianjicX aktivierte.

In einer komplexen und dynamischen Umgebung demonstrierte Tianjimao den Einsatz verschiedener neuronaler Netzwerkalgorithmen, um die Spracherkennung, Schallquellenlokalisierung und Objekterkennung in Echtzeitszenarien abzuschließen und dabei sehr wenig Energie zu verbrauchen. , Hindernisvermeidung und Entscheidungsfindung. + Komplexe Umgebung mit Hindernissen:

In Zukunft weitere Möglichkeiten erkunden

TianjicX hat einen neuen Weg für die Forschung und Entwicklung mobiler intelligenter Roboter-Computing-Hardware eröffnet. Für die meisten kommerzialisierten Roboter Der Betrieb folgt in der Regel vorhersehbaren Abläufen in Lagern oder Fabriken, bei komplexeren Szenarien ist auch die Fernsteuerung durch einen Menschen erforderlich oder es muss eine drahtlose Verbindung mit einem entfernten Rechenzentrum aufrechterhalten werden.

Die leistungsstarken Fähigkeiten der TianjicX-Chips können nicht nur das Intelligenzniveau von Robotern verbessern, sondern auch Ideen für alternative Entwurfsmethoden für Computerarchitekturen liefern. „Für Roboter ist diese Fähigkeit sehr wichtig, da sie es autonomen Systemen ermöglicht, über längere Zeiträume in schwer zugänglichen Umgebungen autonom zu arbeiten“, sagte Jeffrey Krichmar von der University of California, Irvine.

Am Ende des Artikels schreibt der Autor: „Wir werden auch in Zukunft die Kombination von neuromorpher Computerhardware und Robotic Computing untersuchen, um die Möglichkeit weiterer unbemannter Roboter zu erkunden.“ Titel der Arbeit: Neuromorpher Computerchip mit spatiotemporaler Elastizität für Roboter mit mehreren intelligenten Aufgaben

DOI: 10.1126/scirobotics.abk2948​

Das obige ist der detaillierte Inhalt vonDer vom Gehirn der Tsinghua-Universität inspirierte Chip Tianjixin X erscheint auf dem Cover von Science, eine Roboterversion von Katz und Maus ist auf der Bühne. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!