图神经网络将深度学习算法和图计算算法融合
- 2020/12/18 11:44:03 31230
- 来源：仪表网
【仪表网 仪表下游】近日，《中国计算机学会通讯》(CCCF)刊发了中科院计算所特别研究助理严明玉、研究员范东睿以及研究员叶笑春共同撰写的综述文章《图神经网络加速芯片：人工智能“认知智能”阶段起飞的推进剂》。文章披露，为更好地支持认知智能的发展，该团队提出了图神经网络加速芯片设计“HyGCN”。目前，介绍该芯片设计的相关论文已先后在计算机体系结构会议MICRO和HPCA上发表。
图神经网络将深度学习算法和图计算算法相融合，取长补短，能达到更优的认知与问题处理等能力，在搜索、推荐、风险控制等重要领域有着广泛应用。现有的处理器芯片在执行图神经网络的计算中效率低下，其团队前瞻性地展开面向图神经网络的加速芯片设计，为解决这一难题提供了可行方案。
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，有望解决深度学习无法处理的关系推理、可解释性等一系列问题，让机器“能理解、会思考”。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重要的应用之一。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特殊性，传统用于加速神经网络的芯片难以直接对图神经网络的执行提供高效计算支撑。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网络具有与传统神经网络不一样的执行行为，即“混合执行行为”。具体而言，规则执行行为和不规则执行行为共存于图神经网络中。“混合执行行为”对现有的处理器结构带来了巨大的挑战，比如，GPU在应对不规则执行行为时极为低效。
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执行效率。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。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。相对于运行在Intel至强服务器CPU和英伟达V100 GPU的先进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。
近年来，从感知智能到认知智能，人们对人工智能技术的探索正挺向纵深。以中科院计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。特别在以5G、人工智能、大数据等为代表的智能科技的发展方面，中科院计算所坚持面向世界科技前沿、面向经济主战场，不断向科学技术广度和深度进军，加快解决制约科技创新发展的关键问题。
图神经网络的潜在应用非常多。在日常交通预测、网约车调度、金融诈骗侦查、运动检测等场景，在助力科研的知识推理、EDA工程、化学研究、宇宙发现等领域，以及在知识图谱、视觉推理、自然语言处理中的多跳推理等学科发展方向上，都有极大应用空间。
由于图神经网络具有推理能力，认知智能还可以帮助机器跨越模态理解数据，学习到接近人脑认知的一般表达，从而获得类似于人脑的多模感知能力，进而有望带来颠覆性的产业价值。
资料来源：中国科学报
全部评论