Hermosa - один из первых нейроморфных процессоров, который доступен для широкого применения

Процессор KnuPath


Компания KnuEdge Inc, которая базируется в Сан-Диего и основателем которой является Дэн Голдин (Dan Goldin), руководивший американским космическим агентством НАСА в 1990-х годах, "вывела из тени" на свет свое творение - новый нейроморфный процессор семейства KnuPath. Этот процессор, имеющий достаточно уникальную архитектуру, предназначен для выполнения задач, связанных с распознаванием голоса, голосовой идентификации и других задач, имеющих отношение к глубинному машинному обучению и самообучению.

Следует отметить, что компания KnuEdge Inc в течение пяти лет создавала и внедряла программно-технические решения на базе своих процессоров. Основными заказчиками компании являлись американские военные, но данные процессоры могут использоваться и в гораздо более мирных целях, в частности, на этих процессорах построены сервера, поддерживающие работу веб-сайта компании и их специализированного облачного сервиса.

Процессор KnuPath, имеющий кодовое название Hermosa, имеет архитектуру LambdaFabric и предназначен для его применения в оборудовании датацентров, там, где можно максимально полно использовать все возможности этой архитектуры. Архитектура LambdaFabric позволяет создавать вычислительные системы, насчитывающие до 512 тысяч процессоров, а время задержки при передаче данных от одной стойки к другой составляет порядка 400 наносекунд, что сопоставимо или превосходит быстродействие самых современным магистральных шин, используемых в суперкомпьютерах.

Архитектура процессора KnuPath


На кристалле каждого процессора KnuPath находится 256 DSP-ядер, 64 программируемых модуля прямого доступа к памяти (DMA), интегрированный маршрутизатор L1, и все это обеспечивает вычислительную мощность одного процессора в 256 Гфлопс при полосе пропускания памяти 3.702 гигабайта в секунду. У процессора имеется 16 двунаправленных портов ввода-вывода, через которые обеспечивается скорость "общения с внешним миром" на уровне 320 гигабит в секунду.

Процессор KnuPath потребляет 34 Ватта энергии, это - приблизительно 100 Ватт на один терафлопс или 100 кВт на один петафлопс вычислительной мощности. При объединении в вычислительные кластеры по производительности и эффективности процессоры KnuPath выигрывают у аналогичных решений на базе графических процессоров в 2.7-8.1 раза.

Имея в своем распоряжении работающий процессор, специалисты компании KnuEdge Inc занимаются сейчас разработкой сопутствующего программного обеспечения и сервисов. Уже закончена работа над программой KnuVerse, которая выполняет функции распознавания голоса и голосовой идентификации. В отличие от других технологий голосовой обработки, которые лежат в основе программ Siri, Cortana, Google Home и Alexa, в системе KnuVerse уже решены две основных проблемы - проблема посторонних шумов и проблема, связанная с безопасностью системы в целом.

Так же ведется разработка технологии Knurld, которая при помощи специализированного программного интерфейса (API) и облачного сервиса Knurld.io предоставляет всю мощь нейроморфных вычислений всем заинтересованным в этом людям и организациям.




Ключевые слова:
Процессор, Нейроморфный, Ядро, Архитектура, KnuEdge, KnuPath, Hermosa, Производительность, Эффективность

Первоисточник

Другие новости по теме:
  • Облачный сервис Google Cloud Compute пополнится тысячей тензорных процессор ...
  • Компания Nvidia представляет новый графический процессор Tesla V100 Volta, ...
  • Принстонские исследователи создали 25-ядерный процессор, способный объедини ...
  • Intel начинает производство процессоров Jasper Forest со встроенным контрол ...
  • Fujitsu представляет самый быстрый процессор в мире.




  • 11 июня 2016 19:26
    #1 Написал: FomaNeverujuwij

    Публикаций: 0
    Комментариев: 3811
    А в чем-же заключается его нейроморфность я так и не понял. Многоядерный DSP, и всего, а где самообучающиеся нейронные сети и т.п.?


    --------------------
        

    Информация

    Посетители, находящиеся в группе Гости, не могут оставлять комментарии к данной публикации.