Intel研究院與美國康奈爾大學的研究人員在《自然-機器智能》(Nature Machine Intelligence)雜志上聯合發表了一篇論文，展示了在存在明顯噪聲和遮蓋的情況下，Intel神經擬態研究芯片“Loihi”學習和識別危險化學品的能力。

據介紹，Loihi只需要單一樣本，就可以學會識別每一種氣味，而且不會破壞它對先前所學氣味的記憶，展現出了極其出色的識別準確率。

如果使用傳統方法，即便最出色的深度學習方案，要達到與Loihi相同的氣味分類準確率，學習每一種氣味都需要3000倍以上的訓練樣本。

Intel神經擬態研究芯片Loihi

Intel研究院神經擬態計算小組高級研究科學家、擁有神經擬態計算博士學位的Nabil Imam介紹說，康奈爾大學負責研究動物的生物嗅覺系統，并測量動物聞到氣味時的腦電波活動，然后Intel根據這些電路圖與電脈沖，導出一套算法，并將其配置在神經擬態芯片上。

Imam帶領團隊采用了一個由72個化學傳感器活動組成的數據集，可對一個風洞實驗中循環的10種氣體物質(氣味)作出反應。傳感器對各種氣味的反應被傳送至Loihi，由其芯片電路對嗅覺背后的大腦電路進行模擬。

在研究人員的指導下，Loihi已經迅速掌握了10種不同氣味的神經表征，其中包括丙酮、氨和甲烷，而且即使有強烈的環境干擾也能準確識別。

而傳統煙霧和一氧化碳探測器能使用傳感器來探測氣味，雖然能探測到空氣中的有害分子并發出警報，但無法對各種氣味進行區分。

英特爾神經擬態計算實驗室高級研究科學家Nabil Imam表示：“我們正在Loihi上開發神經算法，來模擬人類嗅到氣味時的大腦運行機制。這項工作堪稱神經科學與人工智能技術交叉領域的當代研究典范，并且證實Loihi有望提供重要的感知能力，并惠及各行各業。”

Nabil Imam在位于美國加州圣克拉拉的神經擬態計算實驗室中手持一塊Loihi神經擬態測試芯片

Intel Loihi神經擬態芯片誕生于2017年9月，脫離傳統硅芯片的馮諾依曼計算模型，而是模仿人腦原理的神經擬態計算方式，并且是異步電路，不需要全局時鐘信號，而是使用異步脈沖神經網絡(SNN)，在特定應用中要比傳統CPU速度快最多1000倍，能效高最多10000倍。

2019年7月，Intel又宣布了代號“Pohoiki Beach”的全新神經擬態系統，包含多達64顆Loihi芯片，集成了1320億個晶體管，總面積3840平方毫米，擁有800萬個神經元、80億個突觸。

從理論上講，Loihi可以擴展到最多16384顆芯片互連，那就是超過20億個神經元——人類大腦有大約860億個神經元。