УДК 004.896

СРАВНЕНИЕ НЕЙРОПРОЦЕССОРНЫХ АРХИТЕКТУР NEUROMATRIX И TRUENORTH

Колосов Владимир Олегович
Рязанский государственный университет имени С.А.Есенина
Студент физико-математического факультета

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

Ключевые слова: архитектуры NeuroMatrix и TrueNorth, нейропроцессоры


COMPARE NEUROPROCESSOR ARCHITECTURES NEUROMATRIX AND TRUENORTH

Kolosov Vladimir Olegovich
Ryazan State University named for S.Yesenin
Student of physics and mathematics faculty

Abstract
This article focuses on architectures neuroprocessor NeuroMatrix and TrueNorth and their comparative characteristics.

Keywords: architecture NeuroMatrix and TrueNorth, neuroprocessors


Рубрика: 05.00.00 ТЕХНИЧЕСКИЕ НАУКИ

Библиографическая ссылка на статью:
Колосов В.О. Сравнение нейропроцессорных архитектур NeuroMatrix и TrueNorth // Современные научные исследования и инновации. 2015. № 6 [Электронный ресурс]. URL: http://web.snauka.ru/issues/2015/06/56312 (дата обращения: 20.11.2016).

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
  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).


Все статьи автора «TRANQ»


© Если вы обнаружили нарушение авторских или смежных прав, пожалуйста, незамедлительно сообщите нам об этом по электронной почте или через форму обратной связи.

Связь с автором (комментарии/рецензии к статье)

Оставить комментарий

Вы должны авторизоваться, чтобы оставить комментарий.

Если Вы еще не зарегистрированы на сайте, то Вам необходимо зарегистрироваться:
  • Регистрация