【儀表網 儀表下游】近日，《中國計算機學會通訊》(CCCF)刊發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《圖神經網絡加速芯片：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展，該團隊提出了圖神經網絡加速芯片設計“HyGCN”。目前，介紹該芯片設計的相關論文已先后在計算機體系結構會議MICRO和HPCA上發表。
圖神經網絡將深度學習算法和圖計算算法相融合，取長補短，能達到更優的認知與問題處理等能力，在搜索、推薦、風險控制等重要領域有著廣泛應用。現有的處理器芯片在執行圖神經網絡的計算中效率低下，其團隊前瞻性地展開面向圖神經網絡的加速芯片設計，為解決這一難題提供了可行方案。
圖神經網絡被認為是推動認知智能發展強有力的推理方法，有望解決深度學習無法處理的關系推理、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，圖神經網絡不僅在學術界被高度重視，也已然成為近年來工業界非常重要的應用之一。圖神經網絡能夠備受學術界和工業界的青睞，歸功于其強大的數據和知識理解能力，以及關系推理能力。
由于圖神經網絡在圖數據處理方面的特殊性，傳統用于加速神經網絡的芯片難以直接對圖神經網絡的執行提供高效計算支撐。以圖數據為輸入，融合了深度學習算法和圖計算算法的圖神經網絡具有與傳統神經網絡不一樣的執行行為，即“混合執行行為”。具體而言，規則執行行為和不規則執行行為共存于圖神經網絡中。“混合執行行為”對現有的處理器結構帶來了巨大的挑戰，比如，GPU在應對不規則執行行為時極為低效。
HyGCN芯片設計，能夠有效應對圖神經網絡圖遍歷階段的不規則性，并能利用神經網絡變換階段的規則性提高執行效率。圖神經網絡加速芯片有望成為AI‘認知智能’階段起飛的推進劑。基于12nm工藝，對HyGCN的芯片設計的核心部件在主流的圖神經網絡模型和圖測試數據集上進行了初步的評估。相對于運行在Intel至強服務器CPU和英偉達V100 GPU的先進圖神經網絡軟件框架，HyGCN分別取得了數萬倍和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積極作為，大力推動科技創新。特別在以5G、人工智能、大數據等為代表的智能科技的發展方面，中科院計算所堅持面向世界科技前沿、面向經濟主戰場，不斷向科學技術廣度和深度進軍，加快解決制約科技創新發展的關鍵問題。
圖神經網絡的潛在應用非常多。在日常交通預測、網約車調度、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、化學研究、宇宙發現等領域，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科發展方向上，都有極大應用空間。
由于圖神經網絡具有推理能力，認知智能還可以幫助機器跨越模態理解數據，學習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業價值。
資料來源：中國科學報
所有評論僅代表網友意見，與本站立場無關。