“HyGCN，寓意向图神经网络的加速说‘Hi’。”严明玉先容道，图神经网络将深度学习算法和图打算算法相领悟，取长补短，能达到更优的认知与问题处理等能力，在搜索、推举、风险掌握等主要领域有着广泛运用。现有的处理器芯片在实行图神经网络的打算中效率低下，其团队前瞻性地展开面向图神经网络的加速芯片设计，为办理这一难题供应了可行方案。
让机器“能理解、会思考”
图神经网络被认为是推动认知智能发展强有力的推理方法，有望办理深度学习无法处理的关系推理、可阐明性等一系列问题，让机器“能理解、会思考”。2019年后，图神经网络逐渐成为年夜家工智能顶级会议的“热词”和研究热点，浩瀚环球顶尖科技企业也已将图神经网络支配于数据中央中。
“作为近年来新兴的一种智能算法，图神经网络不仅在学术界被高度重视，也已然成为近年来工业界非常主要的运用之一。”严明玉先容说，图神经网络能够备受学术界和工业界的青睐，归功于其强大的数据和知识理解能力，以及关系推理能力。
由于图神经网络在图数据处理方面的分外性，传统用于加速神经网络的芯片难以直接对图神经网络的实行供应高效打算支撑。严明玉阐明，以图数据为输入，领悟了深度学习算法和图打算算法的图神经网络具有与传统神经网络不一样的实行行为，即“稠浊实行行为”。详细而言，规则实行行为和不规则实行行为共存于图神经网络中。“稠浊实行行为”对现有的处理器构造带来了巨大的寻衅，比如，GPU在应对不规则实行行为时极为低效。
认知智能起飞的“推进剂”
“为了应对图神经网络的稠浊实行行为，我们设计了新的处理器构造，以更高效地加速图神经网络的实行。”严明玉先容说，HyGCN 芯片基于稠浊构造设计思想，分别为图神经网络的两个紧张实行阶段——图遍历阶段和神经网络变换阶段设计相应的加速引擎，并流水两个引擎的实行。
研究团队的实践证明，HyGCN芯片设计，能够有效应对图神经网络图遍历阶段的不规则性，并能利用神经网络变换阶段的规则性提高实行效率。
“图神经网络加速芯片有望成为AI‘认知智能’阶段起飞的推进剂。我们基于12nm工艺，对HyGCN的芯片设计的核心部件在主流的图神经网络模型和图测试数据集上进行了初步的评估。”严明玉先容说，相对付运行在Intel至强做事器CPU和英伟达V100 GPU的前辈图神经网络软件框架，HyGCN分别取得了数万倍和60余倍的能效提升。
在“无人区”加快布局
近年来，中科院打算所环绕云打算、芯片、互联网、人工智能等前沿IT领域开展研创产协同创新，完善我国在端、网、云的打算根本举动步伐布局，并鼓励通过技能转移表示科研职员和科技成果的代价。
从感知智能到认知智能，对人工智能技能的探索正挺向纵深。以中科院打算所为代表的中科院科研机构积极作为，大力推动科技创新，特殊在以5G、人工智能、大数据等为代表的智能科技的发展方面，坚持面向天下科技前沿、面向国民经济主沙场，不断向科学技能广度和深度进军，加快办理制约科技创新发展的关键问题。
“图神经网络加速芯片目前在国际上还是‘无人区’，研究成果揭橥后得到了业界认可。”严明玉表示，目前中科院打算所正加快对HyGCN科技成果进行孵化，提升关键核心技能能力，推动各行各业从信息化向聪慧化升级。
运用空间巨大
图神经网络的潜在运用非常多。严明玉举例，在日常交通预测、网约车调度、金融诱骗侦查、运动检测等场景，在助力科研的知识推理、EDA工程、化学研究、宇宙创造等领域，以及在知识图谱、视觉推理、自然措辞处理中的多跳推理等学科发展方向上，都有极大运用空间。
在工业界，图神经网络也已经有了落地运用。比如，谷歌舆图的ETA评估、图片社交网站Pinterest的内容推举、阿里巴巴的风控和推举、腾讯等公司的视觉和风控等业务中都有图神经网络的影子。
由于图神经网络具有推理能力，认知智能还可以帮助机器超过模态理解数据，学习到靠近人脑认知的一样平常表达，从而得到类似于人脑的多模感知能力，进而有望带来颠覆性的家当代价。
Allied Market Research 发布的机器学习芯片市场报告显示，2022年机器学习芯片市场规模估量将达到 827.2 亿美元。图神经网络加速芯片有望在接下来3年内与现有的神经网络芯片共生，乃至在5年后更换大部分的神经网络学习芯片，成为主流的机器学习芯片，可能将产生300亿美元以上的市场规模。（一鸣）
来源： 光明网
