從中國計算機學會獲悉，來自中國科學院計算技術研究所的研究團隊提出圖神經網絡加速芯片設計“HyGCN”。

《中國計算機學會通訊》（CCCF）近日刊發了中科院計算所特別研究助理嚴明玉、研究員范東睿以及研究員葉笑春共同撰寫的綜述文章《圖神經網絡加速芯片：人工智能“認知智能”階段起飛的推進劑》。文章披露，該團隊提出了圖神經網絡加速芯片設計“HyGCN”。相關論文也先后在計算機體系結構國際會議上發表。

嚴明玉在受訪時說，圖神經網絡在搜索、推薦、風險控制等重要領域有著廣泛應用。現有的處理器芯片在執行圖神經網絡的計算中效率低下，其團隊展開面向圖神經網絡的加速芯片設計，為解決這一難題提供可行方案。

讓機器“會思考” 設計中“增引擎”

圖神經網絡被認為有望解決深度學習無法處理的關系推理、可解釋性等一系列問題，讓機器“能理解、會思考”。然而由于圖神經網絡在圖數據處理方面的特殊性，傳統用于加速神經網絡的芯片難以直接對圖神經網絡的執行提供高效計算支撐。

嚴明玉解釋說，以圖數據為輸入，融合了深度學習算法和圖計算算法的圖神經網絡具有與傳統神經網絡不一樣的執行行為，即“混合執行行為”。這對現有的處理器結構帶來巨大挑戰，比如GPU在應對不規則執行行為時極為低效。

“為了應對圖神經網絡的混合執行行為，我們設計了新的處理器結構，以更高效地加速圖神經網絡的執行。”嚴明玉說，HyGCN芯片基于混合結構設計思想，分別為圖神經網絡的兩個主要執行階段——圖遍歷階段和神經網絡變換階段設計相應的加速引擎。

研究團隊實踐證明，HyGCN芯片設計能夠有效應對圖神經網絡圖遍歷階段的不規則性，并能利用神經網絡變換階段的規則性提高執行效率。

目前是“無人區” 計算所正加快孵化

“圖神經網絡加速芯片目前在國際上還是‘無人區’，研究成果發表后得到了業界認可。”嚴明玉受訪時說，目前中科院計算所正加快對HyGCN科技成果進行孵化，提升關鍵核心技術能力，推動各行各業從信息化向智慧化升級。

展望圖神經網絡的應用前景，嚴明玉舉例說，在日常交通預測、網約車調度、金融詐騙偵查、運動檢測等場景，在助力科研的知識推理、化學研究、宇宙發現等領域，以及在知識圖譜、視覺推理、自然語言處理中的多跳推理等學科發展方向上，都有極大應用空間。

事實上，谷歌地圖基于事件樹的風險評估、圖片社交網站Pinterest的內容推薦、阿里巴巴的風控和推薦、騰訊等公司的視覺和風控等業務中都有圖神經網絡的影子。有市場研究機構發布報告預測，2022年機器學習芯片市場規模將達到827.2億美元。圖神經網絡加速芯片可能將產生300億美元以上的市場規模。

責任編輯：PSY