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)出設備技術的一個全新典范。他們的研究工作需要進行神經(jīng)生物學真實神經(jīng)回路的大規(guī)模模擬，這就需要強大的并行計算能力。單個神經(jīng)元的模擬每秒鐘要進行2億次微分方程式的估算，大約需要4 gigaflops的浮點性能。負責處理感官的神經(jīng)陣列需要數(shù)以千計的神經(jīng)元，因此神經(jīng)系統(tǒng)的實時精細模擬則需要10 teraflops以上的浮點計算能力。

解決方案

Evolved Machines于2006年與NVIDIA®（英偉達™）公司在GPU方面首次展開了合作。與采用當代x86微處理器進行模擬相比，他們將速度提升了大約130倍。他們現(xiàn)在正在進行GPU機架的設計，該產(chǎn)品成本只有世界頂級系統(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)的應用程序包括視覺物體辨識以及味覺辨識程序。為了開發(fā)出能夠?qū)W習物體進而在真實環(huán)境中辨識這些物體的設備，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月內(nèi)學習辨識環(huán)境中的物體一樣。

有了GPU（圖形處理器），具備學習能力以及感知氣味能力的設備就成為了可能。這些設備可用于在現(xiàn)實環(huán)境中檢查爆炸物或監(jiān)控食品新鮮度。在利用內(nèi)容以及自動導向機器人所采集圖像構建數(shù)據(jù)庫這一領域中，圖像檢測技術的進一步發(fā)展能夠利用神經(jīng)模擬數(shù)據(jù)處理來實現(xiàn)當前所無法實現(xiàn)的功能。

如需了解有關NVIDIA GPU計算解決方案的更多信息，敬請訪問 http://www.nvidia.cn/object/tesla_computing_solutions_cn.html