英特尔训练神经形态芯片来检测10种不同的气味

英特尔和康奈尔大学今天发表了一份联合论文,证明了英特尔的神经形态芯片Loihi能够从气味中学习和识别10种有害物质,即使存在“显着”数据噪声和遮挡的情况。合著者说,它表明了神经形态计算可如何用于检测爆炸物,麻醉品,聚合物等的前体气味。

在本周发表在《自然机器智能》杂志上的这项研究中,与英特尔和康奈尔大学有关的研究人员通过配置生物嗅觉的电路图来描述“示教”的Loihi气味,该数据来自包含72种活性的数据集。化学传感器响应各种气味。他们说,他们的技术不会破坏芯片的气味记忆,并且与传统的最先进方法相比,它具有“优异的”识别精度,其中包括机器学习解决方案,每班需要训练样本的数量要多3000倍达到相同的分类精度水平。

英特尔神经形态计算实验室高级研究科学家纳比尔·伊玛姆(Nabil Imam)认为,这项研究将为神经形态系统铺平道路,该系统可以诊断疾病,检测武器和爆炸物,发现毒品以及发现烟雾和一氧化碳的迹象。

他在一份声明中说:“我们正在Loihi上开发神经算法,以模仿您闻到某物时大脑中发生的事情。”“这项工作是神经科学和人工智能交叉路口的当代研究的一个典范,并证明了Loihi提供重要的传感功能的潜力,可以使各个行业受益。”

神经形态工程,也称为神经形态计算,描述了模仿神经系统神经生物学结构的电路的使用。英特尔,IBM,惠普,麻省理工学院,普渡大学,斯坦福大学和其他机构的研究人员希望利用它来开发超级计算机,其功能比当今任何时候都要强大一千倍。

英特尔的14纳米Loihi芯片具有60毫米的管芯尺寸,包含超过20亿个晶体管,13万个人工神经元和1.3亿个突触,以及三个用于编排的可管理Lakemont内核。Loihi独特地具有一个可编程微代码引擎,用于异步尖峰神经网络(SNN)或AI模型的片上训练,该模型将时间整合到其操作模型中,因此模型的组件不会同时处理输入数据。英特尔声称,这将用于“高效”地实施自适应自我修改,事件驱动和细粒度的并行计算。

据英特尔称,Loihi的信息处理速度是传统处理器的1000倍,效率最高10,000倍,并且可以解决某些类型的优化问题,其速度和能源效率提高了三个数量级以上。此外,Loihi保持实时性能结果,并且在放大50倍时仅使用30%的功率(而传统硬件使用500%的功率),并且其能耗比广泛使用的CPU运行的同时定位和映射的能耗低约100倍方法。

除了神经形态计算领域外,谷歌,加拿大高级研究所,矢量人工智能研究所,多伦多大学,亚利桑那州立大学等研究人员还研究了人工智能方法来解决分子识别和气味预测问题。Google最近展示了一个优于最新方法的模型和来自DREAM Olfaction Prediction Challenge的最高性能模型,该竞赛是绘制气味化学特性的竞赛。

另外,IBM开发了Hypertaste,这是一种“人造舌头”,旨在为“不适合摄入”的饮料和其他液体添加指纹。