当前位置：世界数码科技网 >> 热门转载 >> 文章正文

揭示英特尔研究院五大前沿领域的研究进展！仿神经架构的性能已经达到了CPU的2000倍

智东西（公众号：zhidxcom）

文 | 一一

据12月8日消息，近日，英特尔在线举行研究院开放日，分享英特尔在集成光电子学、神经模拟计算、量子计算、安全计算、机器编程五个领域的研究进展。

英特尔研究院院长、资深院士、英特尔副总裁Rich Uhlig表示：“我们相信，这五个领域能够真正大规模释放数据的价值，改变人们与数据互动的方式。”

作为英特尔未来掌握核心技术的后备军，英特尔研究院负责突破性创新技术的研究和全球交付，旨在实现互连、计算和内存领域技术的“1000倍改进”。

在圆桌会议上，英特尔中国研究院院长宋继强与英特尔在神经模拟计算和机器编程方面的技术专家联系，分享了英特尔在这两个前沿领域的技术研发细节。此外，网上活动结束后，宋吉强与情报、东西方等少数媒体进行了交流，分享了他对前沿科技领域的看法和预测。

一、集成光电：实现五大技术模块的创新

英特尔首席工程师、英特尔研究院PHY研究实验室主任詹姆斯贾西分享了英特尔在集成光点领域的最新进展。

目前，光互连在长距离、长距离和地下传输中占主导地位，而电互连主要用于短距离、板间互连和封装间互连。

詹姆斯指出，电气互连面临两大限制。第一，电互连正逐渐接近物理极限，高效电路设计存在诸多局限；二是I/O功耗受墙的限制，即I/O功耗会逐渐高于现有的插件电源，无法计算。这是因为计算出来的带宽需求每三年翻一倍，电气性能的扩展跟不上带宽需求的增长速度。

英特尔将光学技术与硅技术相结合，开发了硅光子技术，可以使光互连具有硅的高产量和低成本的特点。

电气互连受输入输出功耗墙限制

詹姆斯表示，英特尔计划通过将光互连I/O直接集成到服务器和包中，彻底改革数据中心。借助集成光电技术，英特尔可以将I/O数量从数百万扩大到数十亿，I/O数量增加1000倍。

光互连技术涉及六个技术要素，即：光生成、光放大、光检测、光调制、CMOS接口电路和封装集成。此前，英特尔在混合激光器的光产生领域进行了创新。最近，英特尔在其他五个技术构件方面取得了进展。

1.光调制

传统的硅调制器体积庞大，占用空间大，放置在集成电路封装上成本高。英特尔开发了一种微型微射线调制器，比传统的硅调制器小1000倍。服务器包装上可以放置数百个微型微射线调制器。

2.光探测

几十年来，业界一直认为硅没有光探测能力，英特尔开发了全硅光电探测器，证明事实并非如此。这一突破将有助于降低成本。

3.光放大

在光放大领域，英特尔解决方案集成了半导体光放大器。詹姆斯指出，为了降低总功耗，有必要集成半导体光放大器。

4.互补金属氧化物半导体接口电路和封装集成

英特尔通过协同集成，集成CMOS电路和硅光子技术。Rich说：“目前还没有其他公司展示过这样的解决方案，它将集成激光器、半导体光放大器、全硅光电探测器和微环调制器集成在一个与CMOS紧密集成的技术平台上。”

第二，神经模拟计算：2021年第一季度，下一代“熔岩”软件开发的开源版本

神经模拟计算架构和大脑一样，在数据连接、数据编码和电路活动中使用各种形式的稀疏性。信息到达时，数据处理是同步的，就像大脑中的神经元一样。计算是数百万个简单处理单元之间动态交互的发展结果。

宋继强认为：“神经模拟计算将进入更大的爆发点。这个爆发点来自于我们可以拥有更大规模的硬件来支持各种算法的创新和应用的创新。”

英特尔高级总工程师、英特尔研究院神经模拟计算实验室主任迈克戴维斯(Mike Davies)分享说，在处理约束满足问题时，英特尔的神经模拟计算架构实现了前者比传统CPU高2000倍的能效；在其他方面，有例子表明，神经模拟计算架构的速度比CPU和GPU快100多倍。

今年年初，英特尔发布了带有768个神经模拟芯片Loihi的Pohoiki Springs系统，其中包含1个神经元。此外，INRC英特尔神经模拟研究社区的规模也有所扩大。

据麦克介绍，目前，INRC社区已经吸收了100多个团体，其中包括十几个企业成员和来自世界500强企业的10个企业成员。与此同时，英特尔宣布，联想、罗技、奔驰、机器视觉传感器公司普菲斯已经加入INRC社区，将借助神经拟态技术探索改进生产流程的途径。

Rich宣布，英特尔将在2021年第一季度发布下一代“熔岩”软件开发框架的开源版本，以接触更多的软件开发人员。

第三，量子计算：集中解决四大挑战

英特尔高级总工程师、英特尔研究院量子应用与架构总监安妮松浦(Anne Matsuura)表示，英特尔认为自旋量子位技术比其他量子位路径更能满足可扩展性要求。“对英特尔来说，这是一个充分利用其制造能力的战略决策。”他说。

安妮透露，英特尔用于构建量子位的晶圆厂也用于开发英特尔“最新最好”的工艺技术。自旋量子位非常类似于晶体管技术，为英特尔提供了最好的发展路径。基于这一发展道路，英特尔面临四大挑战，安妮分享了英特尔应对这四大挑战的解决方案。

首先，除了构建自旋量子位，英特尔量子计算R&D团队还需要测试量子位，这通常需要几天时间。为了节省测试时间，英特尔研究人员使用低温探针为自旋量子位引入大容量和高通量功能。使用这种设备，研究人员可以在几个小时内获得测试结果。

这与标准晶体管开发的信息反馈周期基本一致。借助量子低温探测器，从研究设备中提取测试数据和信息的速度提高了1000倍，大大加快了量子比特的发展。

其次，量子计算也面临着“量子比特控制”的挑战。目前，量子位主要由许多机架的控制电路控制，通过复杂的布线连接到量子位，并放置在低温冰箱中，以防止热噪声和电噪声影响脆弱的量子位。对于商业量子计算系统，需要将数百万条导线引入量子位室，这是不可扩展的。

为了解决这个问题，英特尔采用支持可扩展互连的低温量子位控制芯片技术，开发了一种低温控制芯片。该芯片基于22 nm FinFET技术，可以集成在低温冰箱中。

第三，量子计算也面临纠错的挑战。综合纠错需要几十个量子位才能形成一个逻辑量子位，而构建商业量子系统需要几百万个量子位。为此，英特尔正在开发抗噪声量子算法和错误抑制技术，以帮助在当前的小型量子位系统上运行这些算法。

另外，由于量子计算是一种全新的计算类型，其运行程序的方式与经典计算完全不同。这也意味着整个量子计算堆栈需要采用全新的组件，从应用程序、编译器、量子位控制处理器、控制电路到量子位芯片器件。英特尔正在开发整个量子计算堆栈的所有组件。

第四，安全计算：致力于扩展同态加密技术

目前，加密解决方案主要用于保护网络中发送和存储的数据。然而，数据在使用过程中仍然容易受到攻击，安全计算的目的是保护使用中的数据，建立可信的执行环境。

可信执行环境旨在最大限度地减少需要信任的软件和硬件集，从而确保数据安全。英特尔研究院安全情报项目组总工程师杰森马丁(Jason Martin)将安全计算描述为“一个可以防止入侵者窃取您的贵重物品的保险箱”。

目前，英特尔已经引入了软件保护扩展技术，该技术集成了机密性、完整性和身份验证功能，以降低正在使用的数据的安全风险。

如果有多个系统和数据集属于不同的所有者，英特尔会使用联合学习技术来降低安全风险。

以医学影像的应用为例，英特尔研究院和宾夕法尼亚大学佩雷尔曼医学院生物医学图像计算与分析中心在联邦学习方面进行了合作。在联合肿瘤分割项目中，双方共同开发技术，训练能够识别脑肿瘤的人工智能模型。

具体来说，研究人员拆分计算，让每个医院用自己的数据训练算法的本地版本，这样每个医院的模型就可以合并成一个模型，而不需要共享数据。但是如果这样拆分计算，会增加篡改计算的风险。因此，研究人员在医院使用安全计算来保护机器学习模型的机密性。此外，研究人员还使用完整性和认证功能来确保数据和模型不会在医院级别被操纵。

研究表明，联邦学习方法训练的深度学习模型的准确率可以达到传统非私有方法训练的深度学习模型的99%。

杰森表示，英特尔仍在开发一种不暴露数据的完全同态加密技术。完全同态加密允许应用程序在不暴露数据的情况下直接对加密数据执行计算操作。该技术已逐渐成为委托计算中保护数据隐私的主要方法。例如，这些加密技术允许直接对加密数据进行云计算，而无需信任云基础设施、云服务或其他用户。

目前，英特尔正在与世界顶级学术机构合作，建立一个私有化的AI协作研究所，以扩展上述安全计算技术。

V.机器编程：详细解释两个调试系统

英特尔首席科学家、英特尔研究院机器编程研究主任兼创始人贾斯汀戈特施里奇(Justin Gottschlich)表示：“机器编程是教系统自行编程。”

此前，英特尔和麻省理工学院研究人员联合发表的愿景论文提出，机器编程有三大支柱，即意图、发明和适应。

这三大支柱对应的是实际的过程，即人类向机器表达意图，机器自动创建完成意图所需的所有软件。

世界上78亿人口中，能写代码的只有2700万，占不到1%。英特尔希望利用机器编程技术，让大家获得编程能力。为了实现这一目标，机器编程系统需要具备两个主要要素：

首先，机器编程系统要能提高编码员和非编码员的工作效率；其次，机器编程系统产生高质量、快速、安全的代码。

英特尔团队认为，要实现这两个要素，机器编程技术的关键步骤是提高软件调试过程的健壮性，减少在此过程中花费的时间。调试是识别、分析和纠正软件缺陷的过程。

贾斯汀分享了由英特尔机器编程团队为调试过程开发的两个系统：

其中一个是可以自动检测性能漏洞的机器编程系统，它发明了一个检测性能的测试。之前这些测试都是人类发明的，有了这个系统，人类就不再需要写相关代码了。更重要的是，该系统可以自动将发明的测试应用于不同的硬件架构，解决硬件异构的问题。

另一个系统并不局限于发现性能漏洞，而是面临更广泛的应用。具体来说，基于机器学习技术，系统可以在没有监督的情况下识别漏洞。贾斯汀说系统可以发现一些被开发者忽略多年的高度复杂的漏洞。最近系统突破了10多亿行代码学习的极限。英特尔计划在不久的将来

这个系统是在神经科会议上提出的。

贾斯汀指出，机器编程系统的诞生和应用不会取代专业的人类程序员。相反，机器编程系统的应用将创造更多新的就业机会。

“现有的大多数机器编程系统都需要大量的数据，而大量的数据通常以代码的形式存在，是由专业程序员编写的。所以，如果自动化有什么后果的话，我们的预期是对高技能程序员的需求会增加。专业程序员写的代码越多，机器编程系统就越先进。”他说。

结论：产学研合作促进前沿创新

圆桌论坛结束时，英特尔技术专家还分享了英特尔研究院与学术界的合作。以神经模拟计算为例，英特尔和美国康奈尔大学的研究人员联合进行了相关研究，开发了一套源于大脑嗅觉回路结构和动力学的神经算法。经过英特尔Loihi神经模拟芯片的训练，Loihi可以学习和识别10种危险化学品的气味。

与已经渗透到数千个行业的经典计算范式不同，前沿技术领域仍然需要培养。因此，在尖端技术的发展过程中，与工业界和学术界的力量合作，重点建设技术生态非常重要。可以说英特尔在这方面取得了一定的成绩。未来，英特尔研究院将推出哪些创新技术来改变产业生态？时间会告诉我们答案。