全球首台!百亿类脑融合超算系统在横琴诞生全球首台100亿神经元类脑异构融合智算在横琴诞生。12月17日,“2024年类脑智算创新产品发布会暨神经医学大模型研讨会”在横琴举办。会上,广东省智能科学与技术研究院(下称“广东省智能院”)发布了第二代天琴芯类脑处理芯片LYRA-β Max、第二代天琴类脑晶圆计算芯片LYRA-β eXtreme、类脑计算卡、高密度类脑算力服务器等创新产品。
会议以“智算创新 赋能神经医学”为主题,吸引了来自北京、上海、澳门、珠海等城市的领域专家、研究机构和企业代表近90余人齐聚横琴,共研共商神经医学大模型与智能计算技术的融合应用。
智算技术突破 刷新全球类脑算力记录,打开无限想象空间
多尺度阐明大脑信息处理规律、脑认知功能神经机制、脑疾病治病机理和个性化诊疗等神经医学所需的基础研究,需要强大的计算能力和对复杂模式及关系进行深层解析的能力。
为更好地支撑“更复杂、更高效、更快捷”的智能计算任务,在类脑智算创新产品发布会环节,由广东省智能院类脑芯片联合实验室、智能计算系统联合实验室自主研发的新一代类脑智算创新产品正式对外发布。
类脑智能计算芯片方面,类脑芯片联合实验室本次发布了第二代天琴芯类脑处理芯片LYRA-β Max,进一步拓展脉冲神经元计算规模达460万,计算性能较实验室上一代成果提升约2.7倍。实验室还在单张标准尺寸PCIe卡上实现多颗LYRA-β Max类脑芯片的互联集成和分布式计算,研发出可支持脉冲神经元计算规模最大达2600万以上的类脑计算卡。
不仅如此,实验室采用全新一代晶圆级集成技术,基于自主研发的存算融合、事件触发、线性可扩展的类脑计算架构,推出了第二代天琴类脑晶圆计算芯片LYRA-β eXtreme,单芯片脉冲神经元计算规模达4亿以上,持续刷新类脑算力纪录。
集成与配套技术方面,由智能计算系统联合实验室迭代推出的类脑血管相变散热系统,高效模拟人脑血管散热模式,相较市场上的风冷技术可减少87%的散热能耗,相较液冷技术可减少45%的散热能耗。实验室融合了自研的超高算力密度整机集成、类脑血管相变液冷、无风扇高功率氮化镓电源等技术,推出了高密度类脑算力服务器,可支持单机4亿以上脉冲神经元计算规模。
据介绍,基于以上技术,广东省智能院仅用了30台高密度类脑算力服务器、6个机柜,成功构建起了全球首台达到100亿神经元类脑算力规模的超高密度集成的类脑融合超算系统,相当于人脑的1/9规模。该系统集成了BPU、CPU、GPU等多种算力异构融合的智能计算验证和服务平台,可以为超大规模脑仿真计算、高维复杂图网络分析计算、通用大模型计算等提供综合的解决方案,为探索类脑融合的通用智能大模型提供了综合算力支撑,为高效处理神经医学等基础研究中所包含的海量“非结构化数据”,打开了无限的想象空间。
应用场景拓展 探讨“智算 模型”神经医学研究新趋势
强大的类脑智能计算技术为全新的应用拓展带来了宏大的机遇。
在神经医学大模型研讨会上,中国科学院上海生命科学信息中心研究员阮梅花、北京大学教授吴思、中国科学院分子细胞科学卓越创新中心研究员陈洛南(魏江勇博士后报告)、燧人医疗首席执行官/广东省智能院特聘研究员蔡江、广东省智能院研究员冯圣中和博士后李尚阳分别进行主题分享。 随后,与会专家学者深入讨论了神经医学大模型的研究成果、未来发展趋势及其在临床医学应用中的广阔前景,提出了神经医学大模型研究、方法技术路线,以及最终评估指标,为“神经医学大模型智能联合实验室”的建设和发展提供重要的学术指导。
共创未来生态 打造神经医学“产学研用”开放创新链
从人脑中借鉴运作原理,启发创造类脑智能技术,再反哺到人脑机制和神经医学的研究中去,这样的良性循环,让参与本次研讨会并进行现场考察的与会代表印象深刻。
粤港澳脑智工程中心执行主任张方雄表示,类脑智能计算的底层突破,让拥有超高算力的类脑芯片和计算机产品的产业化成为可能。神经医学等拥有丰富临床数据和应用场景的领域,则为类脑计算产品的商业化应用提供了沃土。两者的结合需要生产关系各链条各环节的紧密参与。
中国科学院院士、广东省智能院院长张旭希望,以类脑智能计算为“针”,神经医学为“线”,吸引更多的科研机构、企业、医院、高校参与到“神经医学大模型”的生态共创中,打造一个覆盖“产学研用”全环节的神经医学开放创新链,让全脑尺度的实时仿真,脑疾病、脑机理乃至类脑器官的数字孪生,神经医学的实时诊断模型等科学想象成为可能,为人类的生命健康和生活福祉贡献更多智慧。 【上一篇】【返回顶部】【关闭本页】【
Warning: count(): Parameter must be an array or an object that implements Countable in /www/wwwroot/Foshanjk/foshanjkSEC/home/view/article.php on line 54 无下一篇】 |
|