知识分子作者|逐一编辑|莫莹
近日，英特尔在线举办研究院开放日，分享英特尔在集成光电子、神经拟态计算、量子计算、安全计算、机器编程五大领域的研究进展。
英特尔研究院院长、资深院士、英特尔副总裁Rich Uhlig表示，“我们认为这五个领域能够真正大规模释放数据的价值，改变人们与数据的交互方式。”
作为英特尔掌握未来核心技术的后备军，英特尔研究院负责突破性创新技术的研究和全球交付，旨在互联、计算、存储等领域的技术“千倍提升”。
在圆桌会议环节，英特尔中国研究院院长宋继强连线了英特尔在神经仿生计算和机器编程领域的技术专家，分享了英特尔在这两个前沿领域的技术研发细节。此外，线上活动结束后，宋继强与知东、东西等少数媒体进行了交流，分享了自己对前沿科技的看法和预测。
1.集成光电:五大技术模块的创新
英特尔首席工程师、英特尔研究院PHY研究实验室主任James Jaussi分享了英特尔在集成光点领域的最新进展。
目前长距离、长距离、地下传输以光互连为主，电互连主要用于短距离、主板互连、封装互连。
詹姆斯指出，电气互连面临两大局限。一是电气互连逐渐接近物理极限，节能电路设计存在诸多限制；二是I/O功耗墙的限制，即I/O功耗会逐渐高于现有的插件电源，无法计算。这是因为计算的带宽需求每三年翻一倍，电性能的扩展跟不上带宽需求的增长速度。
英特尔通过将光技术与硅技术相结合，开发出了硅光子技术，可以使光互连具有硅的高成品率和低成本的特点。
▲电气互联受限于I/O电源墙。
根据詹姆斯的说法，英特尔计划将光互连I/O直接集成到服务器和封装中，并彻底改革数据中心。借助集成光电技术，英特尔可以将I/O数量从数百万扩展到数十亿，I/O数量增加1000倍。
光互连技术涉及六个技术要素，即:光产生、光放大、光检测、光调制、CMOS接口电路和封装集成。此前，英特尔在混合激光器的光生成领域实现了创新。最近，英特尔在其他五个技术构建模块上取得了进展。
1.光调制
传统的硅调制器体积庞大，占用太多空空间，放在IC封装上成本很高。英特尔开发了一种微射线调制器，比传统的硅调制器小1000倍。在服务器封装上，可以放置数百个微光调制器。
2.光检测
几十年来，业界一直认为硅不具备光探测能力，英特尔研发的全硅光电探测器证明事实并非如此。这一突破有助于降低成本。
3.光放大
在光放大领域，英特尔解决方案集成了半导体光放大器。詹姆斯指出，要降低总功耗，需要集成半导体光放大器。
4.CMOS接口电路和封装集成
英特尔通过协作集成将CMOS电路和硅光子技术集成在一起。里奇说，“目前还没有其他公司展示过这样的解决方案，即在一个与CMOS紧密集成的技术平台上集成集成激光器、半导体光放大器、全硅光电探测器和微环调制器。”
2.神经拟态计算:2021Q1发布了下一代“Lava”软件开发框架的开源版本。
自2015年以来，英特尔受现代神经科学的启发，开始开发神经仿生计算的新计算架构。与传统的计算机架构相比，神经拟态架构完全模糊了记忆和处理之间的界限。
仿神经计算架构像大脑一样，在数据连接、数据编码和电路活动中利用了所有形式的稀疏性。信息到达时，数据处理是同步进行的，就像大脑中的神经元一样。计算是数百万个简单处理单元之间动态交互的发展结果。
宋继强认为:“神经仿生计算将进入更大的爆发点，这来自于我们可以拥有更大规模的硬件来支持各种算法和应用的创新。”
英特尔高级首席工程师、英特尔研究院神经拟态计算实验室主任迈克·戴维斯(Mike Davies)分享道，在处理约束满足问题时，与传统CPU相比，英特尔的神经拟态计算架构达到了前者能效的2000倍；在其他方面，有例子表明神经拟态计算架构的速度比CPU和GPU快100倍以上。
今年年初，英特尔发布了带有768个神经拟态芯片Loihi的Pohoiki Springs系统，其中包含一个神经元。此外，英特尔神经拟态研究社区INRC的规模也有所扩大。
据迈克分享，目前INRC社区已经吸收了100多个团体，其中有十几家企业会员，有10家企业会员来自世界500强企业。与此同时，英特尔宣布，联想、罗技、奔驰以及机器视觉传感器公司辉瑞(Pfizer)已经加入INRC社区，并将利用神经模仿技术探索改进生产流程的方法。
里奇宣布，英特尔将在2021年第一季度发布下一代“Lava”软件开发框架的开源版本，以接触到更多的软件开发者。
三。量子计算:着力解决四大挑战
英特尔高级首席工程师、英特尔研究院量子应用与架构总监Anne Matsuura表示，英特尔认为自旋量子位技术比其他量子位路径更能满足可扩展性要求。“对于英特尔来说，这是一个充分利用自身制造能力的战略决策。”他说。
安妮透露，英特尔用于构建量子位的晶圆厂也被用于开发英特尔“最新、最好”的制造工艺。自旋量子位与晶体管技术非常相似，为英特尔提供了最佳的发展路径。基于这一发展路径，英特尔面临四大挑战，安妮分享了英特尔解决这四大挑战的方法。
首先，除了构建自旋量子位，英特尔量子计算RD团队还需要测试量子位，这通常需要几天时间。为了节省测试时间，英特尔研究人员使用量子低温探测器为自旋量子位引入大容量、高通量的功能。使用这种设备，研究人员可以在几个小时内得到测试结果。
这与标准晶体管发展的信息反馈周期基本一致。在量子低温探测器的帮助下，研究人员从研究设备中提取测试数据和信息的速度提高了1000倍，大大加快了量子比特的发展。
其次，量子计算面临“量子比特控制”的挑战。目前，量子比特主要由许多机架的控制电路控制，这些机架通过复杂的布线连接到量子比特，并放置在低温冰箱中，以防止热噪声和电噪声影响脆弱的量子比特。对于商用量子计算系统，需要在量子比特腔中引入数百万根导线，不具有可扩展性。
为解决这一问题，英特尔采用支持可扩展互联的低温量子位控制芯片技术，开发了低温控制芯片。该芯片基于22纳米FinFET技术，可集成在低温冰箱中。
再次，量子计算还面临纠错的挑战。全面纠错需要几十个量子比特组成一个逻辑量子比特，而构建一个商用量子系统需要几百万个量子比特。在这方面，英特尔正在开发抗噪声量子算法和误差抑制技术，以帮助在当前的小量子位系统上运行这些算法。
此外，由于量子计算是一种全新的计算类型，其运行程序的方式与经典计算完全不同。这也意味着量子计算的整个堆栈需要采用全新的组件，从应用、编译器、量子位控制处理器、控制电路到量子位芯片器件。英特尔正在开发整个量子计算堆栈的所有组件。
4.安全计算:致力于扩展同态加密技术。
目前，加密解决方案主要用于保护网络中发送和存储的数据。然而，数据在使用过程中仍然容易受到攻击，安全计算旨在保护使用中的数据，构建可信的执行环境。
可信执行环境旨在最小化需要被信任的硬件和软件的集合，从而确保数据安全。英特尔研究院安全与智能项目组首席工程师杰森·马丁(Jason Martin)将安全计算描述为“一个可以防止入侵者窃取你的贵重物品的保险箱”。
目前，英特尔推出了软件保护扩展技术，该技术集成了机密性、完整性和认证功能，以降低使用中数据的安全风险。
如果存在属于不同所有者的多个系统和数据集，英特尔将使用联邦学习技术来降低安全风险。
以医学影像应用为例，英特尔研究院与宾夕法尼亚大学佩雷尔曼医学院生物医学图像计算与分析中心进行了联邦学习合作。在联合肿瘤分割项目中，双方共同开发技术，训练可以识别脑肿瘤的人工智能模型。
具体来说，研究人员拆分计算，让每个医院都可以用自己的数据训练本地版本的算法，这样每个医院的模型就可以合并成一个模型，而不需要共享数据。但是如果像这样拆分计算，会增加篡改计算的风险。因此，研究人员在医院使用秘密计算来保护机器学习模型的机密性。此外，研究人员已经使用完整性和认证功能来确保数据和模型不会在医院级别被操纵。
研究表明，采用联邦学习方法训练的深度学习模型的准确率可以达到传统非私有方法训练的同类模型的99%。
杰森表示，英特尔还在开发一种完全同态的加密技术，不需要暴露数据。完全同态加密允许应用程序直接对加密数据执行计算操作，而不会暴露数据。该技术逐渐成为委托计算中保护数据隐私的主要方法。例如，这些加密技术允许加密数据直接进行云计算，而无需信任云基础设施、云服务或其他用户。
目前，英特尔正在与世界顶级学术机构合作，建立一个私有化的AI协作研究所，以扩展上述安全计算技术。
动词 （verb的缩写）机器编程:详细讲解两大调试系统。
英特尔首席科学家、英特尔研究院研究总监、机器编程创始人贾斯汀·戈特里希(Justin Gottschlich)说:“机器编程就是教会系统自己编程。”
此前，英特尔和麻省理工学院研究人员联合发表的愿景论文提出，机器编程有三大支柱，即意图、创造和适应。
这三大支柱对应的是实际过程，即人类向机器表达意图，机器自动创建完成意图所需的所有软件。
全球78亿人中，只有2700万人会写代码，占比不到1%。英特尔希望借助机器编程技术，让每个人都能获得编程能力。为了实现这个目标，机器编程系统需要两个要素:
首先，机器编程系统要能提高编码员和非编码员的工作效率；其次，机器编程系统生成高质量、快速、安全的代码。
英特尔团队认为，要实现这两个要素，机器编程技术的关键一步是提高软件调试过程的健壮性，减少这个过程所花费的时间。调试是识别、分析和纠正软件缺陷的过程。
Justin分享了英特尔机器编程团队为调试过程开发的两个系统:
其中一个是可以自动检测性能漏洞的机器编程系统。这个系统发明了检测性能的测试。之前这些测试都是人类发明的，有了这个系统，人类就不需要编写相关代码了。更重要的是，该系统可以自动地将所发明的测试应用于不同的硬件架构，并解决异构硬件的问题。
另一个系统不局限于查找性能漏洞，而是针对更广泛的应用。具体来说，基于机器学习技术，系统可以在没有监督的情况下识别漏洞。贾斯汀表示，该系统可以发现一些高度复杂和微妙的漏洞，而这些漏洞是开发者多年来忽略的。最近，该系统突破了从超过10亿行代码中学习的限制。英特尔计划在不久的将来
这个系统是在信息处理系统会议上提出的。
贾斯汀特别指出，机器编程系统的诞生和应用不会取代专业的人类程序员。相反，机器编程系统的应用将创造更多新的就业机会。
“现在存在的大部分机器编程系统都需要大量的数据，而大量的数据通常以代码的形式存在，由专业的程序员编写。因此，如果自动化有任何后果，我们的预期是对高技能程序员的需求将会增加。专业程序员写的代码越多，机器编程系统就会越先进。”他说。
结论:产学合作促进前沿创新。
在圆桌论坛的最后，英特尔技术专家还分享了英特尔研究院与学术界的合作。以神经拟态计算为例，英特尔和美国康奈尔大学的研究人员共同进行了相关研究，开发了一套源自大脑嗅觉回路结构和动力学的神经算法。经过训练的英特尔Loihi神经拟态芯片，Loihi可以学习和识别10种危险化学品的气味。
与已经渗透到千万个行业的经典计算范式不同，前沿技术领域仍然需要培育。因此，在前沿技术的发展过程中，与产业界和学术界合作构建技术生态是非常重要的。可以说，在这一点上，英特尔是有所成就的。未来，英特尔研究院将推出哪些创新技术来改变产业生态？时间会告诉我们答案。
