Your browser doesn’t support HTML5 audio
Intel, en colaboración con Sandia National Laboratories, ha lanzado el sistema neuromórfico Hala Point, destacándolo como el sistema de su tipo con mayor capacidad en el mundo. Con un total de 1.15 mil millones de neuronas, el Hala Point utiliza el chip Loihi 2 de Intel, introducido a finales de 2021. Este chip, notablemente compacto, simula un millón de neuronas por chip y está construido en el proceso Intel 4. A pesar de su gran capacidad, el sistema es relativamente pequeño, ocupando solo seis unidades de rack y consumiendo 2.6 kW de energía.
Hala Point no solo marca un hito en términos de capacidad, sino que también se centra en aplicaciones prácticas de la computación neuromórfica. Sandia planea utilizar este sistema para explorar la computación neuromórfica a gran escala, buscando soluciones a problemas reales en campos como la física de dispositivos, arquitectura informática, ciencias de la computación e informática. Una capacidad estimada al nivel de complejidad del cerebro de un búho permite a los investigadores explotar propiedades neuromórficas para abordar problemas que los procesadores convencionales no pueden resolver de manera eficiente.
Uno de los aspectos más destacados del Hala Point es su eficiencia energética, logrando hasta 15 TOPS por vatio a 8 bits de precisión, lo que lo hace competitivo con los chips comerciales actuales. Además, su diseño permite una integración novedosa con redes neuronales AI, proporcionando una sinergia entre los esfuerzos para emular el cerebro humano y las capacidades únicas de los chips neuromórficos. Esta eficiencia y capacidad de adaptación abren nuevas posibilidades para el aprendizaje continuo y la mejora de las redes neuronales sin necesidad de reentrenamiento costoso.
Aunque actualmente Hala Point es un proyecto de investigación, tanto Intel como Sandia tienen la visión de que sistemas como este conduzcan al desarrollo de sistemas comerciales a mayor escala. Los investigadores necesitan utilizar estas plataformas para refinar sus algoritmos y demostrar su utilidad en cargas de trabajo más grandes, lo que eventualmente podría resultar en la adopción generalizada de la computación neuromórfica en la industria.