기존 CPU 대비 약 175배 낮은 전력 사용, 속도 및 정확성은 더 월등해 인텔 랩은 2일인 오늘 이탈리아 기술연구원 및 독일 뮌헨 공과대학교와 협력해 신경망 기반 객체 학습에 대한 새로운 접근방식을 도입했다고 밝혔다. 이번 발표는 특히, 물류, 헬스케어 또는 노인 의료와 같은 제약 없는 환경과 상호작용하는 로봇 등 미래 애플리케이션을 대상으로 한다. 아울러, 새로운 대화형 온라인 객체 학습 방법을 통해 뉴로모픽 컴퓨팅을 사용, 로봇이 배치된 이후에도 추가적인 객체 학습을 추가하도록 지원한다. 인텔은 이탈리아 기술연구원 및 뮌헨 공과대학교와 함께 인텔의 뉴로모픽 연구 칩 로이히(Loihi) 상에서 신규 모델을 적용한 새로운 객체 인스턴스 학습을 시연했다. 그 결과, 기존 CPU 대비 약 175배 낮은 전력을 사용하면서도 기존 CPU와 유사하거나 더 나은 속도와 정확성을 보이며 지속적인 대화형 학습을 성공적으로 구현했다. 연구원들은 이를 위해 단일 플라스틱 시냅스 레이어에서만 학습할 수 있도록 범위를 제한했으며, 필요에 따라 새로운 뉴런을 확보함에 따라 로이히 상에 다른 객체 뷰를 설명하는 신경망 아키텍처를 구현했다. 본 신경망 아키텍처는 사용자와 상호작용하
광학 상호 연결 사용하는 차세대 컴퓨팅 I/O 제작할 것으로 보여 인텔 랩은 지난 28일 데이터 센터와 네트워크 전반의 컴퓨팅 실리콘 간의 통신 대역폭을 증가하는 통합 포토닉스 연구 분야에서 상당한 진전을 달성했다고 밝혔다. 이번 연구 결과는 다파장 통합 포토닉스 분야에서 업계 최고의 발전을 이뤘다는 것이 특징이다. 또한, 업계의 표준을 뛰어넘는 +/-0.25 데시벨(dB)의 우수한 출력 균일도와 ±6.5% 파장 간격 균일도를 제공하는 8파장 분산 피드백(DFB) 레이저 어레이 시연을 포함한다. 하이승 롱(Haiseng Rong) 인텔 랩 수석 엔지니어는 “이번 연구는 균일하고 촘촘한 파장으로 적합한 출력 전력을 얻을 수 있다는 것을 보여준다”며 “가장 중요한 것은 인텔 팹에서 기존 제조 및 공정 제어를 사용해 차세대 공동 패키지 포토닉스 및 광학 컴퓨팅 상호 연결 대량 생산을 위한 명확한 길을 제시하게 된 것”이라고 말했다. 이번 결과는 인공지능 및 머신러닝을 포함한 새로운 네트워크 집약적 워크로드를 위한 코패키지드 옵틱(CPO) 및 광학 컴퓨팅 상호 연결과 같은 미래의 대용량 애플리케이션에 필요한 성능을 갖춘 광원 생산을 가능하게 한다. 레이저 어레이는