英國，布里斯托，1月26日——Graphcore今天宣布啟動Graphcore學術計劃，進一步擴展該公司有關支持大學和其他機構(gòu)探索人工智能新應用和新方法的長期承諾。

Graphcore學術計劃旨在為世界各地有意在研究或教學工作中使用Graphcore系統(tǒng)的研究人員、項目負責人、教授、碩士生、博士生以及博士后們提供支持。

Graphcore學術計劃的參與者將獲得IPU計算系統(tǒng)的免費訪問權限，包含搭載有8個C2 PCIe卡，即16個Colossus MK1 GC2 IPU的Dell DSS8440服務器。該計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可能還會提供經(jīng)費申請方面的支持。

Graphcore會為下列領域中的項目和計劃優(yōu)先安排訪問權限。但是，Graphcore也會考慮有關IPU創(chuàng)新應用的其他計劃：

· 稀疏訓練

· 有條件的稀疏計算

· 隨機學習優(yōu)化

· 用于深度學習和計算圖網(wǎng)絡的新型高效模型

· 小型計算圖網(wǎng)絡

· 平行計算的新方向

· 本地平行性

· 多模型訓練

Graphcore聯(lián)盟和戰(zhàn)略伙伴總監(jiān)Victoria Rege在宣布啟動Graphcore學術計劃時表示：“Graphcore的目標是幫助創(chuàng)新者在機器智能領域創(chuàng)造下一個突破。通過在創(chuàng)新的前沿為研究人員和項目負責人提供實質(zhì)性支持，我們可以共同加速人工智能的發(fā)展，真正落實人工智能可以為人類帶來的諸多益處。”

在啟動Graphcore學術計劃之前，IPU研究人員已經(jīng)展示了一系列突破性的應用，以及與傳統(tǒng)處理器系統(tǒng)（例如GPU和CPU）相比在計算工作負載上的大幅加速。

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

論文鏈接：《具有本地更新的深度神經(jīng)網(wǎng)絡的并行訓練》

倫敦帝國理工學院計算機視覺教授Andrew Davison的團隊一直在使用Graphcore的IPU解決有關計算機視覺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解決捆綁調(diào)整的經(jīng)典計算機視覺問題。他表示：“我?guī)ьI的團隊是第一批基于Graphcore IPU進行研究并發(fā)表研究成果的團隊之一。這是一項在數(shù)量上和質(zhì)量上都能夠?qū)崿F(xiàn)收益的技術。在我們的計算機視覺工作中，我們看到IPU的性能優(yōu)于傳統(tǒng)芯片架構(gòu)。IPU也擴大了我們對該領域計算潛力的理解。”

論文鏈接：《圖形處理器上的捆綁調(diào)整》

布里斯托大學的研究人員使用Graphcore IPU開發(fā)新技術，用以管理CERN大型強子對撞機的實驗數(shù)據(jù)。布里斯托大學物理學教授Jonas Rademacker表示：“我們研究了Graphcore IPU對粒子物理學中發(fā)現(xiàn)的幾個計算問題的適用性，這些計算問題對于我們在CERN進行的LHCb實驗的研究至關重要。我們所展示的功能和性能提升，表明了IPU獨特架構(gòu)的多功能性。此外，對于我們正在進行的、探索IPU處理粒子物理學中龐大且快速增長的數(shù)據(jù)集能力的研究工作來說，Graphcore對我們一直以來的支持至關重要。”

論文鏈接：《Graphcore IPU在粒子物理學的應用潛力的研究》