当前位置: 首页 > 教育动态 > 正文>>

中科院计算研究所研究小组提出了基于图形神经网络的加速芯片设计方案。

时间:2020-12-18 08:15:10
[中新社北京十二月十七日电](记者张苏)记者十七号从中国计算机学会获悉,中科院计算技术研究所的一个研究小组提出了一种神经网络加速芯片的...

[中新社北京十二月十七日电](记者张苏)记者十七号从中国计算机学会获悉,中科院计算技术研究所的一个研究小组提出了一种神经网络加速芯片的设计hygcn。

(CCCF)最近发表了中国科学院计算研究所特别研究助理严明宇、研究员范东瑞和研究员叶晓春的一篇评论文章。图形神经网络加速芯片:人工智能的认知智能阶段的推进剂。文章透露,该团队提出了神经网络加速芯片设计的图形。相关论文也已在国际计算机架构会议上发表。

严明宇在接受采访时说,图形神经网络广泛应用于搜索、推荐、风险控制等重要领域。现有的处理器芯片在执行图形神经网络的计算上效率低下,其团队采用了面向图形神经网络的加速芯片设计,为这一问题提供了可行的解决方案。

让机器Think和在设计中增加引擎。

图形神经网络被认为是为了解决关系推理和可解释性等一系列在深入学习中无法处理的问题,使机器能够理解和思考。然而,由于图形神经网络在图形数据处理中的特殊性,传统的加速神经网络的芯片难以直接为图形神经网络的实现提供有效的计算支持。

严明宇解释说,将深入学习算法和图计算算法相结合的图形神经网络,与传统的以图形数据为输入的神经网络混合执行行为具有不同的执行行为,这对现有的处理器体系结构提出了很大的挑战,如GPU在处理不规则执行行为时效率极低等。

为了处理图形神经网络的混合执行行为,我们设计了一种新的处理器结构,以更有效地加速图形神经网络的执行.严明宇说,hygcn芯片是基于混合结构设计思想的,相应的加速引擎分别是针对图形神经网络的两个主要执行阶段--图遍历阶段和神经网络转换阶段而设计的.

研究小组的实践证明,hygcn芯片设计能够有效地处理图神经网络图擦除阶段的不规则性,并能利用神经网络转换阶段的规律性来提高执行效率。

目前,无人之地计算机构正在加快孵化。

图神经网络加速芯片目前仍是世界上‘无人地带’,研究成果发表后已得到业界的认可。严明宇在接受采访时表示,目前中科院计算研究所正在加快科技成果孵化,提升核心技术能力,推动各产业由信息向智能的升级。

展望图形神经网络的应用前景,严明宇在日常交通预测、网络叫车调度、金融欺诈调查、运动检测等领域,以及在知识推理、化学研究、宇宙发现等领域,以及自然语言处理中的知识图、视觉推理、多跳推理等领域都有着巨大的应用空间。

事实上,谷歌地图是基于事件树风险评估、图片社交网站Pinterest内容推荐、阿里巴巴风险控制和推荐、腾讯等公司的视觉和风险控制等业务建立在地图神经网络的阴影之下的。一家市场研究机构发布的一份报告预测,到2022年,机器学习芯片的市场规模将达到827.2亿美元。神经网络加速芯片在市场上的产值可能超过300亿美元。

------分隔线----------------------------
------分隔线----------------------------
推荐内容