Graphcore宣布學(xué)術(shù)計(jì)劃，支持并加速人工智能創(chuàng)新

Graphcore近日宣布啟動(dòng)Graphcore學(xué)術(shù)計(jì)劃，進(jìn)一步擴(kuò)展該公司有關(guān)支持大學(xué)和其他機(jī)構(gòu)探索人工智能新應(yīng)用和新方法的長(zhǎng)期承諾。

Graphcore學(xué)術(shù)計(jì)劃旨在為世界各地有意在研究或教學(xué)工作中使用Graphcore系統(tǒng)的研究人員、項(xiàng)目負(fù)責(zé)人、教授、碩士生、博士生以及博士后們提供支持。

Graphcore學(xué)術(shù)計(jì)劃的參與者將獲得IPU計(jì)算系統(tǒng)的免費(fèi)訪問(wèn)權(quán)限，包含搭載有8個(gè)C2 PCIe卡，即16個(gè)Colossus MK1 GC2 IPU的Dell DSS8440服務(wù)器。該計(jì)劃的其他裨益還包括Graphcore內(nèi)部研究人員和工程師提供的支持和定期隨訪。Graphcore可能還會(huì)提供經(jīng)費(fèi)申請(qǐng)方面的支持。

Graphcore會(huì)為下列領(lǐng)域中的項(xiàng)目和計(jì)劃優(yōu)先安排訪問(wèn)權(quán)限。但是，Graphcore也會(huì)考慮有關(guān)IPU創(chuàng)新應(yīng)用的其他計(jì)劃：

●   稀疏訓(xùn)練

●   有條件的稀疏計(jì)算

●   隨機(jī)學(xué)習(xí)優(yōu)化

●   用于深度學(xué)習(xí)和計(jì)算圖網(wǎng)絡(luò)的新型高效模型

●   小型計(jì)算圖網(wǎng)絡(luò)

●   平行計(jì)算的新方向

●   本地平行性

●   多模型訓(xùn)練

Graphcore聯(lián)盟和戰(zhàn)略伙伴總監(jiān)Victoria Rege在宣布啟動(dòng)Graphcore學(xué)術(shù)計(jì)劃時(shí)表示：“Graphcore的目標(biāo)是幫助創(chuàng)新者在機(jī)器智能領(lǐng)域創(chuàng)造下一個(gè)突破。通過(guò)在創(chuàng)新的前沿為研究人員和項(xiàng)目負(fù)責(zé)人提供實(shí)質(zhì)性支持，我們可以共同加速人工智能的發(fā)展，真正落實(shí)人工智能可以為人類(lèi)帶來(lái)的諸多益處。”

在啟動(dòng)Graphcore學(xué)術(shù)計(jì)劃之前，IPU研究人員已經(jīng)展示了一系列突破性的應(yīng)用，以及與傳統(tǒng)處理器系統(tǒng)（例如GPU和CPU）相比在計(jì)算工作負(fù)載上的大幅加速。

基于他們使用Graphcore IPU開(kāi)展的研究工作，加州大學(xué)伯克利分校的研究人員與谷歌大腦團(tuán)隊(duì)成員一起發(fā)表了研究深度神經(jīng)網(wǎng)絡(luò)訓(xùn)練中的性能和效率方法報(bào)告。加州大學(xué)伯克利分校的Pieter Abbeel教授表示：“我們與Graphcore合作進(jìn)行的具有本地更新的深度網(wǎng)絡(luò)并行訓(xùn)練的研究工作表明，IPU截然不同的處理器架構(gòu)能夠幫助實(shí)現(xiàn)新的分布式計(jì)算和更大模型訓(xùn)練的方法。研究表明，Graphcore的技術(shù)不僅在吞吐量和時(shí)延等指標(biāo)上提供數(shù)量上更優(yōu)化的性能，還從根本上開(kāi)啟了新的方法，以應(yīng)對(duì)那些可能會(huì)阻礙人工智能發(fā)展的計(jì)算挑戰(zhàn)。”

倫敦帝國(guó)理工學(xué)院計(jì)算機(jī)視覺(jué)教授Andrew Davison的團(tuán)隊(duì)一直在使用Graphcore的IPU解決有關(guān)計(jì)算機(jī)視覺(jué)解釋周遭世界的一些挑戰(zhàn)。他們的研究工作展示了如何在IPU上使用高斯置信傳播來(lái)解決捆綁調(diào)整的經(jīng)典計(jì)算機(jī)視覺(jué)問(wèn)題。他表示：“我?guī)ьI(lǐng)的團(tuán)隊(duì)是第一批基于Graphcore IPU進(jìn)行研究并發(fā)表研究成果的團(tuán)隊(duì)之一。這是一項(xiàng)在數(shù)量上和質(zhì)量上都能夠?qū)崿F(xiàn)收益的技術(shù)。在我們的計(jì)算機(jī)視覺(jué)工作中，我們看到IPU的性能優(yōu)于傳統(tǒng)芯片架構(gòu)。IPU也擴(kuò)大了我們對(duì)該領(lǐng)域計(jì)算潛力的理解?！?/p>

布里斯托大學(xué)的研究人員使用Graphcore IPU開(kāi)發(fā)新技術(shù)，用以管理CERN大型強(qiáng)子對(duì)撞機(jī)的實(shí)驗(yàn)數(shù)據(jù)。布里斯托大學(xué)物理學(xué)教授Jonas Rademacker表示：“我們研究了Graphcore IPU對(duì)粒子物理學(xué)中發(fā)現(xiàn)的幾個(gè)計(jì)算問(wèn)題的適用性，這些計(jì)算問(wèn)題對(duì)于我們?cè)贑ERN進(jìn)行的LHCb實(shí)驗(yàn)的研究至關(guān)重要。我們所展示的功能和性能提升，表明了IPU獨(dú)特架構(gòu)的多功能性。此外，對(duì)于我們正在進(jìn)行的、探索IPU處理粒子物理學(xué)中龐大且快速增長(zhǎng)的數(shù)據(jù)集能力的研究工作來(lái)說(shuō)，Graphcore對(duì)我們一直以來(lái)的支持至關(guān)重要。”

論文： 《具有本地更新的深度神經(jīng)網(wǎng)絡(luò)的并行訓(xùn)練》

論文： 《圖形處理器上的捆綁調(diào)整》

論文： 《Graphcore IPU在粒子物理學(xué)的應(yīng)用潛力的研究》