挑戰(zhàn)

Evolved Machines正在從事大腦回路反向工程的研究工作，以期開發(fā)出設(shè)備技術(shù)的一個(gè)全新典范。他們的研究工作需要進(jìn)行神經(jīng)生物學(xué)真實(shí)神經(jīng)回路的大規(guī)模模擬，這就需要強(qiáng)大的并行計(jì)算能力。單個(gè)神經(jīng)元的模擬每秒鐘要進(jìn)行2億次微分方程式的估算，大約需要4 gigaflops的浮點(diǎn)性能。負(fù)責(zé)處理感官的神經(jīng)陣列需要數(shù)以千計(jì)的神經(jīng)元，因此神經(jīng)系統(tǒng)的實(shí)時(shí)精細(xì)模擬則需要10 teraflops以上的浮點(diǎn)計(jì)算能力。

解決方案

Evolved Machines于2006年與NVIDIA®（英偉達(dá)™）公司在GPU方面首次展開了合作。與采用當(dāng)代x86微處理器進(jìn)行模擬相比，他們將速度提升了大約130倍。他們現(xiàn)在正在進(jìn)行GPU機(jī)架的設(shè)計(jì)，該產(chǎn)品成本只有世界頂級(jí)系統(tǒng)的百分之一，而性能卻可以與之相媲美。

影響

Evolved Machines公司正在開發(fā)的應(yīng)用程序包括視覺(jué)物體辨識(shí)以及味覺(jué)辨識(shí)程序。為了開發(fā)出能夠?qū)W習(xí)物體進(jìn)而在真實(shí)環(huán)境中辨識(shí)這些物體的設(shè)備，人造神經(jīng)回路需要在接受感官輸入期間逐漸“連通”，就像嬰兒出生后六個(gè)月內(nèi)學(xué)習(xí)辨識(shí)環(huán)境中的物體一樣。

有了GPU（圖形處理器），具備學(xué)習(xí)能力以及感知?dú)馕赌芰Φ脑O(shè)備就成為了可能。這些設(shè)備可用于在現(xiàn)實(shí)環(huán)境中檢查爆炸物或監(jiān)控食品新鮮度。在利用內(nèi)容以及自動(dòng)導(dǎo)向機(jī)器人所采集圖像構(gòu)建數(shù)據(jù)庫(kù)這一領(lǐng)域中，圖像檢測(cè)技術(shù)的進(jìn)一步發(fā)展能夠利用神經(jīng)模擬數(shù)據(jù)處理來(lái)實(shí)現(xiàn)當(dāng)前所無(wú)法實(shí)現(xiàn)的功能。

如需了解有關(guān)NVIDIA GPU計(jì)算解決方案的更多信息，敬請(qǐng)?jiān)L問(wèn) http://www.nvidia.cn/object/tesla_computing_solutions_cn.html