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可能還會提供經費申請方面的支持。

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

· 稀疏訓練

· 有條件的稀疏計算

· 隨機學習優化

· 用于深度學習和計算圖網絡的新型高效模型

· 小型計算圖網絡

· 平行計算的新方向

· 本地平行性

· 多模型訓練

Graphcore聯盟和戰略伙伴總監Victoria Rege在宣布啟動Graphcore學術計劃時表示：“Graphcore的目標是幫助創新者在機器智能領域創造下一個突破。通過在創新的前沿為研究人員和項目負責人提供實質性支持，我們可以共同加速人工智能的發展，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研究人員已經展示了一系列突破性的應用，以及與傳統處理器系統（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表了研究深度神經網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絡并行訓練的研究工作表明，IPU截然不同的處理器架構能夠幫助實現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量上更優化的性能，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展的計算挑戰。”

論文鏈接：《具有本地更新的深度神經網絡的并行訓練》

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。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整的經典計算機視覺問題。他表示：“我帶領的團隊是第一批基于Graphcore IPU進行研究并發表研究成果的團隊之一。這是一項在數量上和質量上都能夠實現收益的技術。在我們的計算機視覺工作中，我們看到IPU的性能優于傳統芯片架構。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整》

布里斯托大學的研究人員使用Graphcore IPU開發新技術，用以管理CERN大型強子對撞機的實驗數據。布里斯托大學物理學教授Jonas Rademacker表示：“我們研究了Graphcore IPU對粒子物理學中發現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據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》