В рамках проекта Фонда перспективных исследований (ФПИ) продемонстрирована работа первого российского специализированного нейросетевого процессора для энергоэффективного выполнения алгоритмов машинного обучения, основанных на математическом аппарате глубоких нейронных сетей. Головным исполнителем проекта выступает лаборатория нейровычислительных систем Московского физико-технического института (МФТИ), в кооперацию соисполнителей входят ГосНИИАС и ИНУЭМ им. И.С. Брука. Поддержку проекта осуществляет Минобрнауки России.

Алгоритмы машинного обучения, основанные на математическом аппарате глубоких нейронных сетей, сегодня широко используются для автоматического решения интеллектуальных задач в области распознавания изображений и человеческой речи, управления беспилотными автомобилями и.т.д.

Такие алгоритмы требуют значительных вычислительных ресурсов, для их выполнения, как правило, используются графические ускорители. При этом, энергопотребление графических ускорителей слишком велико для многих мобильных платформ — небольших беспилотных летательных аппаратов, компактных наземных робототехнических комплексов, “умных камер”. Поэтому во всем мире сегодня активно развивается направление создания энергоэффективных специализированных нейросетевых тензорных процессоров.

Представленный МФТИ нейросетевой процессор NCore изготовлен по проектным нормам 65 нм, технология в настоящий момент уже проходит квалификацию на отечественном предприятии “Микрон” в Зеленограде. При этом, по достигнутому уровню энергоэффективности NCore значительно превосходит графические ускорители, производимые по проектным нормам 28 нм и менее. По словам руководителя проектной группы ФПИ Алексея Заблоцкого, масштабирование разработанной архитектуры при разработке отечественных нейросетевых процессоров с “тонкими” проектными нормами позволит обеспечить научно-технический паритет в области разработки специализированных тензорных процессоров для алгоритмов машинного обучения.

Важная часть проекта – создание автоматического транслятора алгоритмов машинного обучения, разработанных в популярных пакетах TensorFlow, Caffe, Keras. Такая унификация позволит пользователям работать в привычных для них средах.

Весной 2019 года запланировано проведение апробации разработанного нейросетевого процессора NCore при участии потенциальных потребителей. По результатам тестов планируется изготовить улучшенную версию процессора.