【科技】中科院计算所设计全球首款图神经互联网加速芯片

本篇文章1123字，读完约3分钟

最近，《中国计算机学会通信》( CCF )发表了中国科学院计算特别研究助手严明玉博士、研究员范东睿及研究员叶笑春共同撰写的综述复印件《图神经互联网加速芯片:人工智能阶段起飞的推进剂》。 根据文案，为了更好地支持智能的快速发展，该团队提出了国际图神经互联网加速芯片设计hygcn。 目前，介绍该芯片设计的相关论文在计算机体系结构国际会议micro和hpca上发表。

hygcn，意思是对图神经互联网的加速说&lsquo； hi。 严明玉介绍，图神经网络融合深度学习算法和图计算算法，取长补短，达到更好的认识和问题解决等能力，广泛应用于探索、推荐、风险控制等重要行业。 现有的解决方案芯片在执行图神经互联网的计算中效率低下，团队积极展开面向图神经互联网的加速芯片设计，为应对这个课题提供了可行的方法。

可以理解和考虑机器

图神经网络被认为是推动认识智能快速发展的强有力的推理方法，有望处理深入学习无法解决的关系推理、可解释性等一系列问题，使机器能够理解和思考。 年后，图神经网络逐渐成为各人工智能会议的热词和研究热点，许多全球科技公司也将图神经网络部署在数据中心。

作为近年来的新智能算法，图神经网络不仅在学术界受到高度重视，而且在近年来工业界也成为重要的应用之一。 严明玉介绍说，图神经网络很受学术界和工业界的欢迎，多亏了其强大的数据和知识理解能力、关系推理能力。

由于图神经互联网在图数据解决中的特殊性，以往为了加速神经互联网而传来的芯片很难直接为图神经互联网的执行提供有效的计算支持。 严明玉解释说，以图数据为输入，融合了深度学习算法和图计算算法的图神经互联网具有与以往传来的神经互联网不同的执行行为，即混合执行行为。 具体来说，规则执行行动和不规则执行行动与图的神经网络共存。 混合执行行为给现有的解决方案结构带来了巨大的挑战，例如gpu应对不规则执行行为时效率非常低。

了解智能起飞的推进剂

为了应对图神经互联网的混合执行行动，设计了一种新的解决方案结构，以更有效地加快图神经互联网的执行。 严明玉说，hygcn芯片基于混合结构的设计思想，为图神经互联网的两个主要执行阶段图的扫描阶段和神经互联网的转换阶段设计了相应的加速引擎，流水了两个引擎的执行。

根据研究小组的实践，hygcn芯片设计可以比较有效地应对图神经网络图扫描阶段的不规则性，利用神经网络转换阶段的规则性提高执行效率。

图神经网络加速芯片有望成为ai&lsquo。 识别智能阶段起飞的推进剂。 我们根据12nm工艺，用主流的图神经互联网模型和图测试数据集初步判断了hygcn芯片设计的核心部件。 严明玉介绍说，相对于在英特尔至强服务器cpu和英伟达v100 gpu上运行的先进图神经网络软件框架，hygcn分别提高了数万倍和60余倍的能效。

提高无人区布局的速度

近年来，中国科学院的计算以云计算、芯片、网络、人工智能等尖端it行业为中心开展研究创造的协同创新，完善中国边缘、网、云的计算基础设施布局，通过技术转移使科研人员和科技成果的价值

从感知智能到识别智能，人工智能技术的探索走向纵深。 以中国科学院计算为代表的中国科学院科研机构积极行动，推进科学技术创新，特别是在以5g、人工智能、大数据等为代表的智能科学技术的迅速发展方面，面向世界科学技术的前沿，面向国民经济的主战场，科学技术的广泛

图神经网络加速芯片现在在国际上也是&lsquo； 在无人区，研究成果发表得到业界的赞同。 严明玉说，目前中国科学院的计算正在加快hygcn科技成果孵化，提高重要的核心技术能力，推进各行业从新闻化升级到智慧化。

应用空间巨大

图神经网络的潜在应用非常多。 严明玉的例子是日常交通预测、网络预约车的安排、金融欺诈的搜查、运动检查等场景，科学研究的知识推理、eda工程、化学研究、宇宙发现等行业、知识地图、视觉推理、自然语言解决中的多跳推理等学科的迅速发展

在工业界，图神经网络也已经落地。 例如，Google地图的eta判断、图像社会交流网站pinterest的拷贝推荐、阿里巴巴的风挡和推荐、帐篷等企业的视觉和风挡等业务都有图神经网络的影子。

图神经互联网具有推理能力，因此认识智能可以使机器超越模式理解数据，学习接近人脑认识的通常表现，得到与人脑相似的多模式感知能力，有望带来更卓越的产业价值

根据allied market research发布的机器学习芯片市场报告，2022年机器学习芯片市场规模预计将达到827.2亿美元。 图神经网络加速芯片有望在接下来的3年内与现有的神经网络芯片共生，而且5年后将替换大部分神经网络学习芯片成为主流的机器学习芯片，有可能产生300亿美元以上的市场规模。