Сравнение нейропроцессорных архитектур NeuroMatrix и TrueNorth

Размещено на http://www.allbest.ru/

Рязанский государственный университет имени С.А.Есенина

СРАВНЕНИЕ НЕЙРОПРОЦЕССОРНЫХ АРХИТЕКТУР NEUROMATRIX И TRUENORTH

Колосов Владимир Олегович

Студент физико-математического факультета

Данная статья посвящена нейропроцессорным архитектурам NeuroMatrix и TrueNorth и их сравнительным характеристикам.

Ключевые слова: архитектуры NeuroMatrix и TrueNorth, нейропроцессоры

В наше время в развитие компьютерных технологий занимает большое место нейропроцессорные архитектуры. В данной статье рассматривается достаточно известная архитектура NeuroMatrix, разработанная российскими учеными, и абсолютно новейшая разработка американской компании IBM архитектура TrueNorth.

В начале определим, что такое нейропроцессор - это кристалл, который обеспечивает выполнение нейросетевых алгоритмов в реальном масштабе и времени. Среди разновидностей кристаллов, используемых в качестве нейропроцессора, выделяют следующие: специализированные нейрочипы, заказные кристаллы (ASIC), встраиваемые микроконтроллеры (mC), процессоры общего назначения (GPP), перепрограммируемые логические интегральные схемы (FPGA), процессоры цифровой обработки сигналов (ПЦОС), транспьютеры.

В настоящее время на рынке существует множество семейств нейропроцессоров такие как: Siemens MA16, NHC 100 NAP Chip, Adaptive Solutions CNAPS-1064, Bellcore CLNN 32 CLNN 64, Модуль NM63, NM64, Intel ETANN 80170NW, MicroCircuit Engineering MT19003, Nestor NI 1000, Synaptics ORC 110xx, Philips L-Neuro 1.0, L-Neuro 2.3, Hitachi WSC (Wafer Scale Integration), IBM TrueNorth.

Теперь подробнее рассмотрим процессор nm6404 из семейства NeuroMatriх, который работает на принципе векторно-матричных вычислений. NeuroMatriх NМ6404 представляет собой очень высокопроизводительный DSP ориентированный RISC микропроцессор. Он базируется на основе двух основных блоков: 32 разрядное RISС ядро и 64 разрядный VEСTOR-сопроцессор для поддержки операций над векторами с элементами переменной разрядности. NМ6404 по набору управляющих команд совместим с предыдущей версией NM6403. Имеются такие же два идентичных программируемых интерфейса, которые предназначены для работы с внешней памятью различного типа и два коммуникационных порта, аппаратно совместимых с портами ЦПС TMS320C4x, что дает возможность построить многопроцессорные системы.

Таблица 1

Характеристики процессора

Таблица 2

RISC-ядро

Таблица 3

VECTOR-сопроцессор

Таблица 4

Производительность

Перейдем к процессору TrueNorth - это первый нейросинаптический процессор, который основан на принципах работы человеческого мозга.

В состав нейросинаптического процессора TrueNorth входит 1млн программируемых электронных нейронов и 256 млн программируемых синапсов, которые обеспечивают передачу сигналов от одного нейрона к другому. Помимо этого данный процессор имеет около 400Мбит SRАМ памяти(что примерно равняется 50Мбайт).

Для того чтобы организовать такое количество элементов использовалось 4096 ядерв в двухмерном массиве размером 64 на 64. Каждое ядро содержит, модуль управления токенами, около 100 килобит SRAM памяти для хранения состояния «синапсов» и «нейронов», модуль коммуникации с соседними ядрами, и логическую реализацию «нейронов», которая позволяет каждому блоку моделировать 256 «нейронов» с частотой 1 кГц. Чип построен по асинхронной технологии, созданной в Cоrnell Universitу, который изготовлен по принципу 28-нм технологии, содержащий 5.4 млрд транзисторов, что делает процессор самым большим CMOS чипом, когда-либо разработанных и изготовленных людьми. Во время произведения вычислений этот процессор потребляет всего 70 милливатт энергии. Таким образом, показатель энергопотребления чипа составляет 20 милливатт на сантиметр квадратный, это в 10 тысяч раз меньше, чем сходные параметры большинства современных микропроцессоров, и этот показатель уже сопоставим с показателем головного мозга, который расходует всего 20 Ватт-энергии.

Так как процессор выпущен недавно, все характеристики данного процессора неизвестны. Хоть и принципы работы процессоров основаны на разных концепциях, но исходя из данных приведенных выше можно провести сравнительную характеристику некоторых параметров в данных архитектурах, выделенных в 1 таблице. По количеству программируемых нейронов процессор TrueNorth превосходит показатели процессора NM6404 в 1000раз, по количеству потребляемой энергии наш процессор так же проигрывает разработке компании IBM. Количество потребляемой энергии у NM6404 около 1Вт, а у TrueNorth 70 милливатт. Тактовая частота процессора составляет 1 КГц, в то время как процессор NM6404 работает на тактовой частоте 133МГц, что получается опять слабее.

Однако соотношение цена- производительность в которой явно побеждает процессор NM6404 дает ему большие шансы на распространение, что не скажешь о процессоре TrueNorth его цена даже неизвестна. Хотя можно предположить, что она будет очень большой.

Таким образом, компания IBM сделала большой скачок в развитие искусственного интеллекта.

Библиографический список

процессор неропроцессорный архитектура компьютерный

1. Романчук В.А. Моделирование нейропроцессорных систем // Отраслевые аспекты технических наук: научно-практический журнал. Москва: ИНГН, 2013. №10(34). С. 19-24.

2. Романчук В.А. Инновационный программный комплекс моделирования вычислительных систем на базе нейропроцессоров “НейроКС” // Современные научные исследования и инновации. Декабрь, 2012 [Электронный ресурс]. URL: http://web.snauka.ru/issues/2012/12/19407.

3. Ручкин В.Н., Романчук В.А., Фулин В.А. Когнитология и искусственный интеллект. Рязань: Узорочье, 2012. 260 с.

4. НТЦ “Модуль”: сайт НТЦ “Модуль”, 2009. URL: http://www.module.ru (дата обращения: 20.02.2011).

5. Neuro Matrix. Руководство пользователя. М.: НТЦ “Модуль”, 1999 153 с.

6. Texas Instruments: сайт Texas Instruments Inc., 2009. URL: http://www.ti.com (дата обращения: 18.11.2009).

7. Романчук В.А., Ручкин В.Н., Фулин В.А. Разработка модели сложной нейропроцессорной системы // Цифровая обработка сигналов. Рязань: Информационные технологии, 2012. №4. С. 70-74.

8. Андреева А.Ю., Романчук В.А. Применение нейрокомпьютерных технологий в методах управления сложными объектами // Современная техника и технологии. 2015. № 4 [Электронный ресурс]. URL: http://technology.snauka.ru/2015/04/6557 (дата обращения: 05.05.2015).

Размещено на Allbest.ru