【儀表網(wǎng) 儀表下游】近日，《中國計算機學(xué)會通訊》(CCCF)刊發(fā)了中科院計算所特別研究助理嚴明玉、研究員范東睿以及研究員葉笑春共同撰寫的綜述文章《圖神經(jīng)網(wǎng)絡(luò)加速芯片：人工智能“認知智能”階段起飛的推進劑》。文章披露，為更好地支持認知智能的發(fā)展，該團隊提出了圖神經(jīng)網(wǎng)絡(luò)加速芯片設(shè)計“HyGCN”。目前，介紹該芯片設(shè)計的相關(guān)論文已先后在計算機體系結(jié)構(gòu)會議MICRO和HPCA上發(fā)表。
 

　　圖神經(jīng)網(wǎng)絡(luò)將深度學(xué)習(xí)算法和圖計算算法相融合，取長補短，能達到更優(yōu)的認知與問題處理等能力，在搜索、推薦、風(fēng)險控制等重要領(lǐng)域有著廣泛應(yīng)用。現(xiàn)有的處理器芯片在執(zhí)行圖神經(jīng)網(wǎng)絡(luò)的計算中效率低下，其團隊前瞻性地展開面向圖神經(jīng)網(wǎng)絡(luò)的加速芯片設(shè)計，為解決這一難題提供了可行方案。
 

　　圖神經(jīng)網(wǎng)絡(luò)被認為是推動認知智能發(fā)展強有力的推理方法，有望解決深度學(xué)習(xí)無法處理的關(guān)系推理、可解釋性等一系列問題，讓機器“能理解、會思考”。作為近年來新興的一種智能算法，圖神經(jīng)網(wǎng)絡(luò)不僅在學(xué)術(shù)界被高度重視，也已然成為近年來工業(yè)界非常重要的應(yīng)用之一。圖神經(jīng)網(wǎng)絡(luò)能夠備受學(xué)術(shù)界和工業(yè)界的青睞，歸功于其強大的數(shù)據(jù)和知識理解能力，以及關(guān)系推理能力。
 

　　由于圖神經(jīng)網(wǎng)絡(luò)在圖數(shù)據(jù)處理方面的特殊性，傳統(tǒng)用于加速神經(jīng)網(wǎng)絡(luò)的芯片難以直接對圖神經(jīng)網(wǎng)絡(luò)的執(zhí)行提供高效計算支撐。以圖數(shù)據(jù)為輸入，融合了深度學(xué)習(xí)算法和圖計算算法的圖神經(jīng)網(wǎng)絡(luò)具有與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)不一樣的執(zhí)行行為，即“混合執(zhí)行行為”。具體而言，規(guī)則執(zhí)行行為和不規(guī)則執(zhí)行行為共存于圖神經(jīng)網(wǎng)絡(luò)中。“混合執(zhí)行行為”對現(xiàn)有的處理器結(jié)構(gòu)帶來了巨大的挑戰(zhàn)，比如，GPU在應(yīng)對不規(guī)則執(zhí)行行為時極為低效。
 

　　HyGCN芯片設(shè)計，能夠有效應(yīng)對圖神經(jīng)網(wǎng)絡(luò)圖遍歷階段的不規(guī)則性，并能利用神經(jīng)網(wǎng)絡(luò)變換階段的規(guī)則性提高執(zhí)行效率。圖神經(jīng)網(wǎng)絡(luò)加速芯片有望成為AI‘認知智能’階段起飛的推進劑。基于12nm工藝，對HyGCN的芯片設(shè)計的核心部件在主流的圖神經(jīng)網(wǎng)絡(luò)模型和圖測試數(shù)據(jù)集上進行了初步的評估。相對于運行在Intel至強服務(wù)器CPU和英偉達V100 GPU的先進圖神經(jīng)網(wǎng)絡(luò)軟件框架，HyGCN分別取得了數(shù)萬倍和60余倍的能效提升。
 

　　近年來，從感知智能到認知智能，人們對人工智能技術(shù)的探索正挺向縱深。以中科院計算所為代表的中科院科研機構(gòu)積極作為，大力推動科技創(chuàng)新。特別在以5G、人工智能、大數(shù)據(jù)等為代表的智能科技的發(fā)展方面，中科院計算所堅持面向世界科技前沿、面向經(jīng)濟主戰(zhàn)場，不斷向科學(xué)技術(shù)廣度和深度進軍，加快解決制約科技創(chuàng)新發(fā)展的關(guān)鍵問題。
 

　　圖神經(jīng)網(wǎng)絡(luò)的潛在應(yīng)用非常多。在日常交通預(yù)測、網(wǎng)約車調(diào)度、金融詐騙偵查、運動檢測等場景，在助力科研的知識推理、EDA工程、化學(xué)研究、宇宙發(fā)現(xiàn)等領(lǐng)域，以及在知識圖譜、視覺推理、自然語言處理中的多跳推理等學(xué)科發(fā)展方向上，都有極大應(yīng)用空間。
 

　　由于圖神經(jīng)網(wǎng)絡(luò)具有推理能力，認知智能還可以幫助機器跨越模態(tài)理解數(shù)據(jù)，學(xué)習(xí)到接近人腦認知的一般表達，從而獲得類似于人腦的多模感知能力，進而有望帶來顛覆性的產(chǎn)業(yè)價值。
 

　　資料來源：中國科學(xué)報