基于英特尔 Pohoiki Springs 的神经形态最近邻搜索
神经与进化计算
2020-04-28 v1
摘要
神经形态计算将神经科学的洞见应用于发掘计算技术的创新。在大脑中，数十亿互连神经元通过利用传统计算系统所不具备的特性（如时间脉冲编码以及将存储与计算集成的精细并行处理单元）以极低能耗执行快速计算。在此，我们展示了 Pohoiki Springs 神经形态系统，这是一个由 768 个互连 Loihi 芯片组成的网格，在硅上 collectively 实现 1 亿个脉冲神经元。我们展示了一种可扩展的近似 k 近邻（k-NN）算法，用于搜索大规模数据库，该算法利用了神经形态原理。与最先进的基于传统 CPU 的实现相比，在包含超过 100 万个高维模式的若干标准数据集上评估时，我们实现了更优的延迟、索引构建时间和能效。此外，与除暴力搜索外的所有传统 k-NN 实现不同，该系统支持以 O(1) 时间在线向已索引数据库添加新数据点。
引用
@article{arxiv.2004.12691,
title = {Neuromorphic Nearest-Neighbor Search Using Intel's Pohoiki Springs},
author = {E. Paxon Frady and Garrick Orchard and David Florey and Nabil Imam and Ruokun Liu and Joyesh Mishra and Jonathan Tse and Andreas Wild and Friedrich T. Sommer and Mike Davies},
journal= {arXiv preprint arXiv:2004.12691},
year = {2020}
}
备注
9 pages, 8 figures, 3 tables, submission to NICE 2020