隨著信息科技的進步，數(shù)據(jù)的收集變得十分便利。不同來源的信息與數(shù)據(jù)，通過數(shù)據(jù)挖掘技術(shù)，又可以進一步影響著我們的生活，并提升我們的生活品質(zhì)。近日，在英特爾召開的主題為“顛覆性研究 開啟計算未來十年”的“2020英特爾研究院開放日”上，英特爾高級院士、副總裁、英特爾研究院院長Rich Uhlig率眾專家為我們分享了英特爾研究院在集成光電、神經(jīng)擬態(tài)計算、量子計算、保密計算和機器編程五個領(lǐng)域所做的前沿研究及其科研成果。

Rich介紹說：“我們認為這五個領(lǐng)域能夠真正大規(guī)模釋放數(shù)據(jù)價值，并且變革人們與數(shù)據(jù)互動的方式。其實未來早已到來，只是分布不均。英特爾的目標(biāo)是讓每個人都能獲得百億億次級計算?！庇⑻貭栒铝τ诙鄠€數(shù)量級的提升，他們將其簡稱為“追求1000倍提升”（In pursuit of 1000X）”

集成光電 集成光電旨在將光科學(xué)與大規(guī)模芯片生產(chǎn)的成本效益相結(jié)合。眾所周知，光互連(optical)在長距離、遠程和地下傳輸中占主導(dǎo)地位，而電氣互連（electrical）在短距離、主板互連（board to board）和封裝互連（package to package）中占主導(dǎo)地位。

英特爾首席工程師、英特爾研究院PHY研究實驗室主任James Jaussi介紹說：“英特爾的愿景是將光互連引入到服務(wù)器中，為此他們開發(fā)出了硅光子技術(shù)，讓光互連具備硅的高產(chǎn)量、低成本等屬性?！苯柚晒怆娂夹g(shù)，英特爾能夠?qū)?I/O 數(shù)量從幾百萬個擴展到幾十億個，實現(xiàn) 1000 倍的提升。據(jù)介紹，未來的光鏈路將讓所有的I/O連接直接從英特爾的服務(wù)器封裝中發(fā)出，全面覆蓋整個數(shù)據(jù)中心。這項技術(shù)將徹底改變數(shù)據(jù)中心網(wǎng)絡(luò)架構(gòu)，并釋放數(shù)據(jù)，顯著提高數(shù)據(jù)傳輸效率。

雖然這項技術(shù)已經(jīng)取得了長足的進步，已經(jīng)為客戶提供了超過 400 百萬個英特爾 100G 收發(fā)器產(chǎn)品。不過目前鑒于硅光子模塊和運行功率的成本和物理體積，光互連I/O還不適合短距離傳輸。這也是英特爾要跨越的下一個巨大障礙。此外，James預(yù)測說：“展望通信和數(shù)據(jù)中心性能的未來，光互連和電氣互連方法之間有一個明顯的拐點，主要原因有兩點：首先，我們正快速接近電氣性能的物理極限。

如果不進行根本性創(chuàng)新，高能效電路設(shè)計將存在諸多限制。第二是 I/O 功耗墻。計算的帶寬需求大約每三年翻一番。遺憾的是，電氣性能擴展跟不上帶寬需求的增長速度，導(dǎo)致了I/O“功耗墻”，即I/O 功耗會逐漸高于所有現(xiàn)有的插接電源，導(dǎo)致無法計算?！?br />
光互連技術(shù)涉及六大技術(shù)要素：光產(chǎn)生、光放大、光檢測、光調(diào)制、CMOS 接口電路和封裝集成。最近，英特爾在其他五大技術(shù)構(gòu)建模塊上實現(xiàn)了重大創(chuàng)新，這也加速實現(xiàn)其為集成光電構(gòu)建的關(guān)鍵技術(shù)模塊的愿景。James認為，這些構(gòu)建模塊將從根本上革新計算 I/O，并徹底改變未來的數(shù)據(jù)中心通信趨勢。

首先是光調(diào)制。傳統(tǒng)硅調(diào)制器體積巨大，占據(jù)過多空間，因此放置在 IC 封裝上的成本很高。英特爾實現(xiàn)的一個最新突破就是開發(fā)了微型微射線調(diào)制器。它們的體積縮小了 1000 倍，因此服務(wù)器封裝上可以放置幾百個這樣的器件。

第二項突破是光探測--全硅光電探測器（all-silicon photo detector）。幾十年來，業(yè)界一直認為硅幾乎不具備光探測能力。英特爾證明了事實并非如此。這項突破的一個主要優(yōu)勢是降低了成本。

第三個是光放大。它和激光器一樣重要。如果要降低總功耗，那么集成半導(dǎo)體光學(xué)放大器將是不可或缺的技術(shù)。因此，如果沒有集成激光器，就不可能有這些放大器。

最后，英特爾通過協(xié)同集成將CMOS 電路和硅光子技術(shù)整合起來。今年二月，英特爾發(fā)布了 3D 堆疊 CMOS 電路，在該電路中兩個 IC 上下堆疊，與光子直連。截至目前，其他公司沒有展示過將集成激光器、半導(dǎo)體光學(xué)放大器、全硅光電探測器和微型環(huán)調(diào)制器集成在一個與CMOS硅緊密集成的單個技術(shù)平臺上。

神經(jīng)擬態(tài)計算

近幾年，隨著深度學(xué)習(xí)的出現(xiàn)，人工智能領(lǐng)域取得了驚人的進展，但與此同時，進展的代價是人工智能系統(tǒng)功耗不斷增加。訓(xùn)練一個現(xiàn)代人工神經(jīng)網(wǎng)絡(luò)需要使用數(shù)千臺集群服務(wù)器，功耗高達數(shù)百萬瓦。它正逐漸變成人工智能不斷發(fā)展、以及廣泛普及的瓶頸。那么，如何才能將人工智能任務(wù)的能效提高 1000 倍呢？

英特爾試圖找到一種更通用的人工智能架構(gòu)，能實時解決各種類型的問題，從規(guī)劃問題到優(yōu)化問題并且能夠以比今天的常規(guī)方法快得多的速度，實現(xiàn)模式匹配和深度學(xué)習(xí)模型所能做到的，并且使用更加節(jié)能的解決方案。它是一種非常基本的、自下而上的角度，直接從神經(jīng)科學(xué)中獲取靈感。目標(biāo)是要開發(fā)出比現(xiàn)有的更通用的可編程架構(gòu)。

2015年英特爾開始以現(xiàn)代神經(jīng)科學(xué)理解作為靈感開發(fā)了一種新型計算機架構(gòu)。相比傳統(tǒng)計算機架構(gòu)，神經(jīng)擬態(tài)架構(gòu)完全模糊了內(nèi)存和處理之間的界限。和大腦一樣，它利用的是數(shù)據(jù)連接、數(shù)據(jù)編碼和電路活動中所有形式的稀疏（sparsity）。處理就發(fā)生在信息到達時，二者同步進行。計算是數(shù)百萬個簡單處理單元之間動態(tài)交互的發(fā)展結(jié)果，就像大腦中的神經(jīng)元一樣。

這種新型計算機架構(gòu)旨在將能效、實時數(shù)據(jù)處理速度、學(xué)習(xí)數(shù)據(jù)的效率等提升多個數(shù)量級。英特爾高級首席工程師、英特爾研究院神經(jīng)擬態(tài)計算實驗室主任Mike Davies 介紹說：“我們的目標(biāo)是支持廣泛的工作負載，而不僅僅只有深度學(xué)習(xí)。因為大腦解決問題的范圍很大，所以我們認為這個目標(biāo)是可以實現(xiàn)的。我們認為還可以將這種架構(gòu)從邊緣擴展到數(shù)據(jù)中心，鑒于自然界中大腦容量的巨大差異，從螞蟻到鸚鵡，再到人類的大腦?！?br />
2017 年英特爾發(fā)布了首款神經(jīng)擬態(tài)研究芯片Loihi。該芯片采用英特爾主流的14 納米制程技術(shù)制造而成。相比其他神經(jīng)擬態(tài)芯片，Loihi 具有前所未有的靈活性、集成性和速度。它還具有片上學(xué)習(xí)功能，遠遠超出了目前使用的所有芯片。Loihi 沒有深度學(xué)習(xí)硬件中普遍存在的浮點數(shù)和乘法累加器單元。

Loihi 沒有片外內(nèi)存接口。和大腦一樣，所有計算都在芯片上進行，通過二進制脈沖信息和低精度信號。內(nèi)存來源于芯片神經(jīng)元之間的連接。Loihi 采用同質(zhì)架構(gòu)，將許多小神經(jīng)擬態(tài)核實例化，每個核的大小只有針頭的一部分。通過將神經(jīng)擬態(tài)結(jié)構(gòu)從幾核擴展到幾百核，可以將小型的專用工作負載擴展至 CPU 或 GPU 大小的芯片。甚至還可以無縫排列這些芯片。

此外，英特爾特別成立了英特爾神經(jīng)擬態(tài)研究社區(qū)，簡稱 INRC，借此與世界各地不同類型的學(xué)術(shù)界、政府實驗室和企業(yè)的研究人員交流合作。到截至目前，INRC 已經(jīng)發(fā)表了40 多篇經(jīng)過同行評審的論文，其中許多論文中都記錄了量化結(jié)果，證明這項技術(shù)能夠帶來有效的性能提升。部分機器人工作負載顯示，Loihi 的功耗比傳統(tǒng)解決方案低 40-100 倍。Mike表示：“盡管 Loihi 的基準(zhǔn)評測結(jié)果令人驚嘆，但我們?nèi)匀蝗狈y(tǒng)一的編程框架將這些示例整合到更大規(guī)模的功能系統(tǒng)中。這些問題代表著神經(jīng)擬態(tài)研究的最前沿?！?br />
據(jù)介紹，短期內(nèi)，由于成本問題，該技術(shù)要么僅適用于邊緣設(shè)備、傳感器等小規(guī)模設(shè)備，要么僅適用于對成本不敏感的應(yīng)用，如衛(wèi)星、專用機器人。隨著時間的推移，英特爾預(yù)計內(nèi)存技術(shù)的創(chuàng)新能夠降低成本，讓神經(jīng)擬態(tài)解決方案擴大適用范圍，運用于各種需要實時處理數(shù)據(jù)但受限于體積、重量、功耗等因素的智能設(shè)備。今年是英特爾針對神經(jīng)擬態(tài)計算研究的第五年，他們非常看好神經(jīng)擬態(tài)計算的前景，并且堅信，神經(jīng)擬態(tài)計算未來將幫助各種應(yīng)用實現(xiàn)巨大突破。Mike分享說：“我們將在 2021 年第 1 季度發(fā)布下一代Lava軟件開發(fā)框架的開源版本，以此能夠觸及到更龐大的軟件開發(fā)人員社區(qū)?！?br />
量子計算

量子計算是近年來一個非常活躍的研究領(lǐng)域，如果我們能夠解決相關(guān)的科學(xué)與工程問題以支持它們大規(guī)模運行，它們將變得非常強大。比如設(shè)計新藥物和改進藥物會對醫(yī)療健康產(chǎn)生重要影響，而這也是量子計算未來的一個潛在應(yīng)用領(lǐng)域。其他應(yīng)用領(lǐng)域包括設(shè)計新型材料和化學(xué)催化劑。在這些應(yīng)用領(lǐng)域，很多材料都是經(jīng)典計算機無法模擬的。

英特爾高級首席工程師、英特爾研究院量子應(yīng)用與架構(gòu)總監(jiān)Anne Matsuura認為：“商用級量子計算機將支持模擬這些材料，方便將來設(shè)計具有獨特屬性的材料、化學(xué)用品和藥物。但目前僅僅有 100 個量子位甚至數(shù)千個量子位的量子計算系統(tǒng)，我們需要開發(fā)包含數(shù)百萬個量子位的全棧商用級量子計算系統(tǒng)，才能達到量子實用性來解決這類復(fù)雜問題?！睋?jù)介紹，英特爾的量子研究主要集中在自旋量子位技術(shù)、低溫控制技術(shù)和全棧創(chuàng)新等關(guān)鍵領(lǐng)域。每一個領(lǐng)域都旨在解決通往量子計算可擴展性道路上的關(guān)鍵挑戰(zhàn)，英特爾正在系統(tǒng)地布局每一個領(lǐng)域，以實現(xiàn)量子擴展。

首先，擴展量子的最大挑戰(zhàn)，就是如何批量生產(chǎn)高質(zhì)量量子位。重點其實并不只是量子位的數(shù)量。目前我們看到的小型量子計算系統(tǒng)中所使用的量子位，其質(zhì)量對于商用級量子系統(tǒng)來說是遠遠不夠的。我們需要壽命足夠長、相互之間連接性足夠強的量子位，以便擴展至包含數(shù)百萬量子位的商用級量子計算機，能夠在實際的應(yīng)用領(lǐng)域執(zhí)行有效的量子程序或量子算法。自旋量子位與英特爾的晶體管技術(shù)非常相似，可提供最佳的發(fā)展路徑。英特爾量子研究的優(yōu)勢在于，他們構(gòu)建量子位的晶圓廠實際上同樣用于開發(fā)最新、最出色的制程節(jié)點。

量子計算面對的第二個挑戰(zhàn)是量子位控制。英特爾在這一領(lǐng)域取得了巨大進展。當(dāng)前，量子位主要由許多機架（rack）的控制電路進行控制，這些電路通過復(fù)雜的布線連接至量子位，并且被放置在低溫冰箱中，以防止熱噪聲和電噪聲影響脆弱的量子位。對于商用級量子計算系統(tǒng)，需要將數(shù)百萬根導(dǎo)線引入量子位室（qubit chamber）。這樣不具備可擴展性。英特爾采用支持可擴展互連的低溫量子位控制芯片技術(shù)，以解決這一挑戰(zhàn)，并開發(fā)了世界一流的低溫控制芯片，該芯片基于 22 納米 FinFET 技術(shù)，可以在低溫冰箱內(nèi)進行集成。

量子計算面對的第三個挑戰(zhàn)是糾錯。全面糾錯需要數(shù)十個量子位形成一個邏輯量子位。英特爾正在開發(fā)抗噪量子算法和錯誤抑制技術(shù)，幫助在目前的小型量子位系統(tǒng)上運行這些算法。

量子計算面對的第四個挑戰(zhàn)是，需要可擴展的全棧量子計算機。由于量子計算是一種全新的計算類型，運行程序的方式完全不同，因此需要開發(fā)量子專用的軟件、硬件和應(yīng)用。這也意味著，從應(yīng)用、編譯器、量子位控制處理器、控制電路，到量子位芯片器件，量子計算的整個堆棧都需要采用全新組件。英特爾正在開發(fā)整個量子計算堆棧的所有組件，并這些量子組件協(xié)同工作。

英特爾正在逐步實現(xiàn)商用級量子計算的愿景。Anne分享說：“英特爾發(fā)展量子計算的方法就是利用英特爾的優(yōu)勢，特別是利用英特爾在芯片和電路制造工藝方面的專長。目標(biāo)是達到數(shù)百萬個量子位的規(guī)模，并且我們相信，我們所選擇的自旋量子位技術(shù)在低溫測試和控制方面所取得的進步，集成光子以及所采用的全棧系統(tǒng)方法，將引領(lǐng)我們率先實現(xiàn)這一目標(biāo)。”

保密計算

釋放數(shù)據(jù)潛力除了傳輸數(shù)據(jù)方面的挑戰(zhàn)外，保護數(shù)據(jù)隱私也是當(dāng)前所面臨的障礙之一，尤其是在醫(yī)療、金融服務(wù)等許多領(lǐng)域，數(shù)據(jù)所有者可能需要遵循相關(guān)法規(guī)，最大的數(shù)據(jù)集往往都被限制在所謂的數(shù)據(jù)孤島中。然而，這些數(shù)據(jù)孤島對使用機器學(xué)習(xí)工具從數(shù)據(jù)中獲取重要洞察造成了巨大障礙。為了解決這些問題，英特爾一直在推動保密計算的發(fā)展。

本世紀(jì)初，英特爾研究院就開始研究如何隔離應(yīng)用，結(jié)合硬件訪問控制技術(shù)和加密技術(shù)，以提供保密性和完整性保護。例如最新的英特爾軟件保護擴展（Software Guard Extensions ）技術(shù)，它將保密性、完整性和認證功能整合在一起，確保使用中的數(shù)據(jù)安全無虞。英特爾研究院安全智能化項目組首席工程師Jason Martin介紹，當(dāng)前加密解決方案主要用于保護在網(wǎng)絡(luò)中發(fā)送以及存儲的數(shù)據(jù)。但數(shù)據(jù)在使用過程中依然容易遭遇攻擊。保密計算旨在保護使用中的數(shù)據(jù)。為此，英特爾提供數(shù)據(jù)保密性以防止機密泄露，提供執(zhí)行完整性以防止計算被篡改，并提供認證功能，以驗證軟硬件的真實性。此外，英特爾還在研究另一種不需要解密數(shù)據(jù)的方法，叫做同態(tài)加密（homomorphic encryption）。

據(jù)了解，完全同態(tài)加密是一種全新的加密系統(tǒng)，它允許應(yīng)用在不暴露數(shù)據(jù)的情況下，直接對加密數(shù)據(jù)執(zhí)行計算操作。該技術(shù)已逐漸成為委托計算中用于保護數(shù)據(jù)隱私的主要方法。例如，這些加密技術(shù)允許直接對加密數(shù)據(jù)進行云計算，不需要信任云基礎(chǔ)設(shè)施、云服務(wù)或其他使用者。傳統(tǒng)加密要求云服務(wù)器訪問密鑰，才能解鎖數(shù)據(jù)用于處理。同態(tài)加密允許云對密文或加密數(shù)據(jù)執(zhí)行計算操作，然后將加密結(jié)果返回給數(shù)據(jù)所有者，從而簡化并保護了這一過程。結(jié)果表明，任何計算都可以由加法和乘法構(gòu)成。Jason分享說：“在完全同態(tài)加密中，你可以用任意復(fù)雜度的算法對加密數(shù)據(jù)執(zhí)行這些基本操作。之后解密數(shù)據(jù)時，這些操作適用于純文本?！?br />
不過，Jason也表示，目前仍存在一些挑戰(zhàn)，阻礙了完全同態(tài)加密的采用。在傳輸和存儲數(shù)據(jù)時，傳統(tǒng)加密機制的開銷相對來說可以忽略不計，但在完全同態(tài)加密中，同態(tài)密文的篇幅比純數(shù)據(jù)大得多，有時候大 1,000-10,000 倍。數(shù)據(jù)激增將導(dǎo)致計算激增。密文的增加，要求處理能力隨之增加。處理開銷不僅會隨著數(shù)據(jù)的增加而增加，還會隨著計算復(fù)雜性的增加而增加。就是因為這些巨大的開銷，導(dǎo)致同態(tài)加密尚未得到廣泛使用。英特爾正在研究新的軟硬件方法，希望普及這項技術(shù)，并與生態(tài)系統(tǒng)和標(biāo)準(zhǔn)機構(gòu)開展合作。

機器編程

編程目前出現(xiàn)了兩種對立的趨勢。首先，計算資源變得越來越異構(gòu)化，因為我們對某些種類的工作負載進行了專業(yè)化處理。所以需要專家級的程序員，因為他們非常了解硬件以及如何最大限度地利用硬件。但與此同時，軟件開發(fā)人員越來越青睞于使用更抽象的語言，以提高工作效率。這反過來會導(dǎo)致硬件難以發(fā)揮出它本身的性能。并且這種差距正在擴大。為此。英特爾一直致力于引入新的方法教計算系統(tǒng)自己編程，即機器編程。

機器編程與機器學(xué)習(xí)有很大的不同，機器編程是教系統(tǒng)自己編程。它的核心原則是，人類向機器表達他（她）的意圖，機器會自動創(chuàng)建完成該意圖所需的所有軟件。自動生成軟件領(lǐng)域是機器編程的核心重點。機器編程實際上是構(gòu)建系統(tǒng)，然后由系統(tǒng)自行構(gòu)建自己的軟件系統(tǒng)。而硬件系統(tǒng)作為副產(chǎn)品，也隨之構(gòu)建起來。英特爾致力于讓機器編程同時從兩個方向發(fā)力。首先，希望機器編程系統(tǒng)能夠提高編碼員和非編碼員的工作效率。第二，希望確保機器編程系統(tǒng)生成的是高質(zhì)量、快速、安全的代碼。如果做不到這兩點，就不能真正地幫助到開發(fā)人員。

基于這兩個核心價值觀，英特爾首席科學(xué)家、英特爾研究院機器編程研究主任及創(chuàng)始人Justin Gottschlich認為，機器編程關(guān)鍵的第一步是改進軟件調(diào)試（Debug）。軟件Debug在本質(zhì)上就是識別、分析和糾正軟件缺陷的過程。然而，Debug嚴(yán)重影響了程序員的工作效率。2017 年劍橋大學(xué)開展的一項調(diào)查顯示，美國程序員平均花費 50%的時間用在Debug上，這是很長的時間。除了提高魯棒性，英特爾還希望能夠減少Debug時間。

Justin介紹，機器編程有三大支柱，分別是意圖（intention）、創(chuàng)造（invention）和適應(yīng)（adaptation）。這三大支柱，是英特爾創(chuàng)新方法的核心驅(qū)動力之，也是許多學(xué)術(shù)界和產(chǎn)業(yè)界合作伙伴的核心驅(qū)動力之一。Justin分享說，英特爾已經(jīng)開發(fā)了兩個具體的系統(tǒng)，現(xiàn)在正在將它們集成到生產(chǎn)級系統(tǒng)中。

l 2019年，英特爾在NeurIPS 上發(fā)布第一個可以自動檢測性能漏洞的機器編程系統(tǒng)。這個系統(tǒng)實際上發(fā)明了用于檢測性能問題的測試。有了這個系統(tǒng)，人類不用編寫一行代碼。最重要的是，同一個系統(tǒng)可以自動將發(fā)明的測試應(yīng)用于不同的硬件架構(gòu)上。這就解決了硬件異構(gòu)問題。

l 2020年，英特爾構(gòu)建了第二個系統(tǒng)，并且已經(jīng)在NeurIPS 2020上展示了這項研究。該系統(tǒng)也是嘗試查找漏洞，但它不僅限于查找性能漏洞，它可以在無人監(jiān)督的情況下識別漏洞。在機器學(xué)習(xí)領(lǐng)域，這意味著它可以在沒有任何人類生成的數(shù)據(jù)標(biāo)簽下學(xué)習(xí)。最近該系統(tǒng)剛剛突破了從超過 10 億行代碼中學(xué)習(xí)的極限。并且每次添加更多數(shù)據(jù)，它似乎都能學(xué)到以前沒有觀察到的新事物。

責(zé)任編輯：xj

原文標(biāo)題：英特爾披露集成光電、神經(jīng)擬態(tài)計算、量子計算等五大前沿最新進展

文章出處：【微信公眾號：MEMS】歡迎添加關(guān)注！文章轉(zhuǎn)載請注明出處。