شرائح فوتونية تظهر أنها تعزز سرعة عمليات الذكاء الاصطناعي بشكل كبير

استخدم فريق من الباحثين معالجات فوتونية مؤخرًا في تطبيقات الذكاء الاصطناعي ، مما يدل على أن معالجات فوتونية يمكن أن تتجاوز بشكل كبير قدرة معالجة المعلومات لمعالجات الشريحة الإلكترونية العادية.

قام فريق البحث بتصميم معمارية شريحة جديدة ونهج يدمج بين قدرات تخزين البيانات ومعالجة البيانات في جهاز واحد. تم تصنيع الشرائح باستخدام مواد تغيير الطور (مثل تلك المستخدمة في أقراص DVD). يتم استخدام معالجات فوتونية (مبنية على الضوء) لإنتاج شريحة كمبيوتر يمكنها تنفيذ الحسابات بسرعات عالية ، وفي دراسة نُشرت مؤخرًا في نيتشر ، تمكن فريق البحث من إثبات أن هذه الشرائح الجديدة يمكنها تحسين الأداء بشكل كبير على الشرائح الإلكترونية التقليدية ، بفضل khảية معالجتها السريعة للمعلومات بالتوازي.

ضرب المتجهات

تعمل الشبكات العصبية التي تشكل أساس معظم تطبيقات الذكاء الاصطناعي المتقدمة من خلال ضرب المتجهات. قام فريق البحث بإنشاء نظام تعزيز قائم على الأجهزة يسمح بضرب المتجهات بالتوازي. تستفيد الشرائح الضوئية من حقيقة أن طولات الموجات المختلفة للضوء لا تتداخل مع بعضها البعض ، مما يعني أنها يمكن استخدامها لتنفيذ الحسابات بالتوازي. اعتمد فريق البحث على “مجموعة ترددات” تم تطويرها بواسطة EPFL ، واستخدمها كمصدر ضوء لتزويد الشريحة الفوتونية بالطول الموجي المختلف.

تمت قيادة تطوير مجموعة الترددات من قبل الأستاذ توبياس كيبنبرغ في EPFL. كيبنبرغ هو واحد من المؤلفين الرئيسيين للدراسة جنبًا إلى جنب مع المؤلف المشارك فولكرام بيرنيس من جامعة مونستر. وفقًا لبيورنيس ، يمكن لمعالجات الضوء أن تسرع من المهام الحسابية الشديدة التي تتضمنها التعلم الآلي ، وتنفذ الحسابات بسرعات أعلى من الأجهزة المخصصة مثل وحدات معالجة التنسور (TPU) وأحدث وحدات معالجة الرسومات (GPU).

تدريب الشبكات العصبية

بعد تصميم وإنشاء الشرائح الفوتونية ، قام الباحثون بتحديهم من خلال اختبارهم على شبكة عصبية مصممة لتعرف الأرقام المكتوبة يدويا. استفاد عملية تدريب الشبكة العصبية من التعدد الضوئي المتمكن من الشرائح ، وتمكنت من تحقيق معدلات بيانات وكثافات حسابية أعلى مما تم تحقيقه من قبل.

كما شرح يوهانس فيلدمان ، المؤلف الرئيسي للدراسة وطالب دراسات عليا في جامعة مونستر ، عبر تيك إكسبلور :

“يمكن نقل عملية التمويف بين بيانات الإدخال وواحدة أو أكثر من المرشحات – والتي يمكن أن تكون تسليط الضوء على الحواف في الصورة ، على سبيل المثال – بشكل جيد إلى هيكل المصفوفة لدينا. يمكن لمعالج الإشارات أن يؤدي معالجة البيانات بالتوازي من خلال التعدد الضوئي ، مما يؤدي إلى زيادة في الكثافة الحسابية وتنفيذ العديد من ضربات المصفوفة في خطوة زمنية واحدة فقط. “

يعد العمل متميزًا بسبب حقيقة أنه يمكن أن يسمح بتدريب الشبكات العصبية على مجموعات بيانات كبيرة في ما قد يكون جزءًا صغيرًا من الوقت المعتاد لتدريب الشبكة. مع نمو البيانات الكبيرة بشكل أكبر ، مدفوعًا bởi إنترنت الأشياء وانتشار الأجهزة الذكية ، سوف يحتاج علماء البيانات إلى طرق جديدة لخفض أوقات التدريب على مجموعات البيانات الكبيرة إلى الحد الأدنى. تعمل الإلكترونيات التقليدية عادة في نطاق الترددات المنخفضة ، بينما يمكن أن تصل سرعات التضمين البصري إلى نطاق الترددات 50 جيجاهرتز إلى 100 جيجاهرتز.

يمكن أن يكون للبحث آثارًا مهمة على التطبيقات مثل الحوسبة السحابية والتصوير الطبي ومركبات السيارات ذاتية القيادة ، والتي تتطلب جميعًا القدرة على معالجة كميات كبيرة من البيانات المنشأة من مصادر متعددة بسرعة كبيرة.

كان مشروع البحث نتيجة للتعاون بين فريق دولي من الباحثين من جامعة بيتسبرغ ، وجامعة مونستر في ألمانيا ، وجامعات إكستر وأكسفورد في إنجلترا ، وآي بي إم زيورخ ، والمدرسة الفيدرالية السويسرية للتقنية (EPFL) في سويسرا.