Brainchip释放用于AI加速的生物启发性神经晶体系统的芯片

Brainchip已宣布Akida神经形态系统的片上（NSOC），首批生产批量人工智能加速器，利用尖刺神经网络（SNN）。

Brainchip宣布了Akida神经形式的片上系统（NSOC），该系统的第一个生产批量人工智能加速器利用尖刺神经网络（SNNS）。

图片礼貌脑壳。

美国公司在法国和澳大利亚提供办事处，专门从事AI的神经形态计算解决方案，从神经元如何运作和将其转化为数字逻辑。他们最近宣布的NSOC利用基于基本逻辑功能的SNNS使用CMOS门的低功率承诺高性能，而无需使用令人发电的GPU。

Akida NSOC可以与各种传感器接口，用于处理数字，模拟，音频，动态视觉传感器和基于像素的数据。一旦由NSOC接收，数据被转换成尖峰，然后由芯片的神经元织物处理，其中SNN模型托管。NSOC还可以使用PCIe，USB 3.0，UART，CAN和以太网与协处理器接口。

图片礼貌脑壳。

Brainchip正在投注预期，预期Ai加速市场将在2025年的价格超过600亿美元，并且在边缘的AI计算将是越来越追求的应用。

什么是尖刺神经网络？

尖峰神经网络是Akida NSOC背后的骨干技术。SNNS模仿神经元的行为比传统使用的卷积神经网络更紧密。

在尖峰神经元模型中，如果在其“膜”中达到某个潜在（或状态），则只有燃烧的神经元;在反应并将信息传播到其他神经元之前，必须满足阈值。然后，那些神经元将根据自己的潜在阈值作出反应和行为。每个神经元也考虑到时间，随着时间的推移，膜电位衰减。

使用SNNS，AKIDA NSOC应该在学习中高效，以最小的训练数据，并且能够更加类似于人类大脑与信息相似。

SNNS由神经网络专家描述Wolfgang Maas.作为它“第三代神经网络”回到1997年。虽然不是一个新的神经网络模型，但只有少数尝试在硬件中实施它：

• 模拟计算神经格栅由斯坦福大学在2009年
• 这旋转运动员曼彻斯特大学的网络使用ARM处理器和大规模的并行计算
• 5.4亿晶体管Truenorth.2014年IBM的处理器

跨域的应用程序

Akida NSOC应用的一些例子包括：

视觉系统

预计Akida NSOC将特别擅长对象分类，配对与基于像素的，LIDAR或动态视觉传感器，用于机器人/无人机导航，自动驾驶或监视。

使用用于对象分类的SNN，报告NSOC以消耗少于1瓦，并且可以以每瓦每秒每秒1,400图像的速率将数据分类为每秒1,400张图像。

图片礼貌脑壳。

监视

AKIDA NSOC使用最小培训数据的能力也使监测和执法有用。Brainchip Studio软件适用于NSOC，处理具有低至24x24像素的分辨率的图像，用于面部检测和分类。这肯定是本领域的理想，运算符可能无法访问嫌疑人面部的多个图像，或者只有具有低分辨率的安全镜像来与之合作。

当AKIDA NSOC与Brainchip加速器配对时，使用16个虚拟核心，可以同时处理多达600帧，同时使用16个虚拟核心，使用15瓦功率。

预计Akida NSOC的样本将在2019年的第三季度上市。