认知计算机

认知计算机结合人工智能和机器学习算法，在一个方法试图复制人脑的行为。通常采用神经形态工程方法。IBM公司的Watson机器提供了使用神经网络和深度学习实现的认知计算机的示例。IBM随后开发的是TrueNorth微芯片架构，该架构旨在比传统计算机中使用的冯·诺依曼架构更接近人脑。2017年，英特尔在“ Loihi”中发布了自己的认知芯片版本，将于2018年向大学和研究实验室提供。英特尔、高通公司和其他公司正在稳步改善神经形态处理器，英特尔凭借其Pohoiki Beach和Springs系统。

TrueNorth是IBM在2014年生产的一种神经形态 CMOS 集成电路。它是芯片设计上的多核处理器网络，具有4096个核，每个核具有256个可编程模拟神经元，总共超过一百万个神经元。每个神经元又具有256个可编程的“ 突触 ”，在它们之间传递信号。因此，可编程突触的总数刚刚超过2.68亿。它的基本晶体管数 是54亿。由于内存、计算和通信是在4096个神经突触核中的每个核心中处理的，因此TrueNorth规避了冯·诺依曼架构的瓶颈，并且非常节能，IBM宣称其功耗为70 毫瓦，功率密度为1 / 10,000。常规微处理器。所述的突触芯片在较低的温度和功率进行操作，因为它只能绘制所需的功率进行计算。Skyrmions已被提议作为芯片上突触的模型。

英特尔的自学习神经形态芯片名为Loihi，可能以夏威夷海山Loihi的名字命名，提供了根据人脑设计的强大电源效率。英特尔声称Loihi的能源效率比训练与Loihi的性能相媲美的神经网络所需的通用计算能力高约1000倍。从理论上讲，这将支持机器学习训练和独立于同一个云连接的同一硅片上的推理，并且比使用卷积神经网络（CNN）或深度学习 神经网络更有效。英特尔指出了一种用于xxx人的心跳，在运动或进食等事件后进行读数并使用认知计算芯片对数据进行归一化并计算出“正常”心跳的系统。然后，它可以发现异常，还可以处理任何新事件或新情况。

Loihi芯片的xxx次迭代是使用Intel的14 nm制造工艺制造的，并包含128个集群，每个集群包含1,024个人工神经元，每个集群共有131,072个模拟神经元。这提供了约1.3亿个突触，与人脑的800万亿个突触相比还有很长的路要走，仅次于IBM的TrueNorth，后者通过使用64 x 4,096核拥有约2.56亿。Loihi现在可作为USB尺寸形式用于40多个学术研究团体中的研究目的。最近的发展包括名为Pohoiki Beach的64核芯片。

SpiNNaker（Spiking神经网络体系结构）是由曼彻斯特大学计算机科学系的高级处理器技术研究小组（APT）设计的大规模并行，多核超级计算机体系结构。