Μοντέλα και πλατφόρμες AI

Ερευνητές Αναπτύσσουν τον Πιο Ισχυρό Νευρομορφικό Επεξεργαστή για την Τεχνητή Νοημοσύνη

mm
Προσθέστε το Unite.AI στις προτιμώμενες πηγές σας στο Google

Σε ένα σημαντικό βήμα προς τα εμπρός στον τομέα της τεχνητής νοημοσύνης (ΤΝ), μια διεθνής ομάδα ερευνητών υπό την ηγεσία του Swinburne University of Technology έχει αναπτύξει τον πιο ισχυρό νευρομορφικό επεξεργαστή για την ΤΝ. Λειτουργεί με ένα आश्चρηστό ρυθμό περισσότερων από 10 τρισεκατομμυρίων επιχειρήσεων ανά δευτερόλεπτο (TeraOps/s), που σημαίνει ότι μπορεί να επεξεργαστεί υπερμεγέθης δεδομένων.

Το έργο δημοσιεύθηκε στο περιοδικό Nature.

Υπό την ηγεσία του Καθηγητή David Moss, του Δρ. Xingyuan Xu και του Διακεκριμένου Καθηγητή Arnan Mitchell από το RMIT University, η ομάδα επιτάχυνε την ταχύτητα υπολογισμού και την επεξεργαστική ισχύ. Μπόρεσαν να δημιουργήσουν einen οπτικό νευρομορφικό επεξεργαστή ικανό να λειτουργεί πάνω από 1.000 φορές ταχύτερα από οποιοδήποτε προηγούμενο. Το σύστημα μπορεί επίσης να επεξεργαστεί υπερμεγέθης εικόνων, που είναι σημαντικό για την αναγνώριση προσώπου, поскольку προηγούμενοι οπτικοί επεξεργαστές απέτυχαν σε αυτό το σημείο.

Ο Καθηγητής Moss είναι Διευθυντής του Κέντρου Οπτικών Επιστημών του Swinburne και ονομάστηκε ένας από τους κορυφαίους ερευνητές της Αυστραλίας στην φυσική και τα μαθηματικά στον τομέα της οπτικής και της φωτονικής από το The Australian.

“Aυτή η đột phá επιτεύχθηκε με ‘οπτικά μικρο-συνδυασμούς’, όπως και η παγκόσμια ρεκόρ ταχύτητας διαδικτύου που αναφέρθηκε τον Μάιο του 2020”, είπε.

Άλλοι Κορυφαίοι Επεξεργαστές και Μικρο-Συνδυασμοί

 Κορυφαίοι ηλεκτρονικοί επεξεργαστές όπως ο Google (GOOGL ) TPU μπορούν να λειτουργήσουν πάνω από 100 TeraOps/s. Ωστόσο, απαιτούν δεκάδες χιλιάδες παράλληλους επεξεργαστές, ενώ το οπτικό σύστημα της ομάδας βασίζεται μόνο σε έναν επεξεργαστή. Αυτό επιτεύχθηκε χρησιμοποιώντας μια νέα τεχνική που περιελάμβανε την ταυτόχρονη διασύνδεση των δεδομένων σε χρόνο, μήκος κύματος και χωρικές διαστάσεις μέσω μιας ολοκληρωμένης πηγής μικρο-συνδυασμού.

Για όσους δεν είναι εξοικειωμένοι με τους μικρο-συνδυασμούς, είναι νέα συσκευές που αποτελούνται από εκατοντάδες υψηλής ποιότητας hồngρους λέιζερ σε ένα單ο chip. Σε σύγκριση με άλλες οπτικές πηγές, οι μικρο-συνδυασμοί είναι πολύ ταχύτεροι, ελαφρύτεροι και φθηνοί.

“Στα 10 χρόνια από τότε που συν-εφευρέθησαν, οι ολοκληρωμένοι μικρο-συνδυασμοί έχουν γίνει enormως σημαντικοί και είναι πραγματικά ενθαρρυντικό να τους βλέπουμε να επιτρέπουν αυτές τις τεράστιες προόδους στην επικοινωνία πληροφοριών και επεξεργασία”, λέει ο Καθηγητής Moss. “Οι μικρο-συνδυασμοί προσφέρουν τεράστια υπόσχεση για να ανταποκριθούμε στην αμείωτη ανάγκη του κόσμου για πληροφορίες.”

Επεξεργαστής του Μέλλοντος

Ο Δρ. Xu ήταν συν-πρώτος συγγραφέας της μελέτης και είναι απόφοιτος του Swinburne και μετα-διδακτορικός ερευνητής στο Τμήμα Ηλεκτρικής και Υπολογιστικής Μηχανικής του Monash University.

“Αυτός ο επεξεργαστής μπορεί να λειτουργήσει ως ένα καθολικό υπερ-ελαφρύ μπροστινό μέρος για οποιοδήποτε νευρομορφικό υλικό – οπτικό ή ηλεκτρονικό – φέρνοντας τη μαζική-δεδομένα μηχανική μάθηση για πραγματικό χρόνο υπερ-ελαφριά δεδομένα εντός εύρους”, λέει ο Δρ. Xu.

“Βλέπουμε μια πρώτη ματιά στο πώς θα μοιάζουν οι επεξεργαστές του μέλλοντος. Είναι πραγματικά δραματικό το πώς μπορούμε να κλιμακώσουμε την ισχύ των επεξεργαστών μας μέσω της καινοτόμου χρήσης των μικρο-συνδυασμών”, συνεχίζει.

Σύμφωνα με τον Καθηγητή Mitchell του RMIT, “Αυτή η τεχνολογία είναι εφαρμόσιμη σε όλες τις μορφές επεξεργασίας και επικοινωνίας — θα έχει τεράστια επίδραση. Μακροπρόθεσμα ελπίζουμε να πραγματοποιήσουμε πλήρως ολοκληρωμένα συστήματα σε ένα chip, μειώνοντας σημαντικά το κόστος και την κατανάλωση ενέργειας.”

Ο Καθηγητής Damien Hicks υποστηρίζει την ερευνητική ομάδα και είναι από το Swinburne και το Ινστιτούτο Walter και Elizabeth Hall.

“Τα συν卷τικά νευρωνικά δίκτυα έχουν sido κεντρικά στη революτία της τεχνητής νοημοσύνης, αλλά η υφιστάμενη τεχνολογία του πυριτίου παρουσιάζει ολοένα και περισσότερο ένα εμπόδιο στην ταχύτητα επεξεργασίας και την ενεργειακή αποτελεσματικότητα”, λέει ο Καθηγητής Hicks.

“Αυτή η đột phá δείχνει πώς μια νέα οπτική τεχνολογία κάνει τέτοια δίκτυα ταχύτερα και πιο αποτελεσματικά και είναι μια βαθιά απόδειξη των οφελών της δια-επιστημονικής σκέψης, έχοντας την έμπνευση και το θάρρος να πάρουμε μια ιδέα από ένα πεδίο και να την χρησιμοποιήσουμε για να λύσουμε ένα θεμελιώδες πρόβλημα σε ένα άλλο”, συνεχίζει.

Ο Alex McFarland είναι δημοσιογράφος και συγγραφέας του AI που εξερευνά τις τελευταίες εξελίξεις στην τεχνητή νοημοσύνη. Έχει συνεργαστεί με πολλές startups και εκδόσεις του AI σε όλο τον κόσμο.