Los chips fotónicos parecen aumentar dramáticamente la velocidad de los procesos de IA

Un equipo de investigadores aplicó recientemente procesadores fotónicos a aplicaciones de inteligencia artificial, demostrando que los procesadores fotónicos pueden superar ampliamente la capacidad de procesamiento de información de los chips electrónicos regulares.

El equipo de investigación desarrolló una nueva arquitectura de chip y un enfoque que combina las capacidades de almacenamiento de datos y procesamiento de datos en un solo dispositivo. Los chips se fabricaron con materiales de cambio de fase (como los utilizados en los DVD). Los procesadores fotónicos (basados en la luz) se utilizan para producir un chip de computadora que pueda realizar cálculos a altas velocidades, y en un estudio publicado recientemente en Nature, el equipo de investigación pudo demostrar que estos nuevos chips podían mejorar significativamente los chips electrónicos tradicionales, gracias a su capacidad para procesar información rápidamente en paralelo.

Multiplicaciones de matriz-vector

Las redes neuronales que subyacen a muchas de las aplicaciones de IA más avanzadas operan a través de multiplicaciones de matriz-vector. El equipo de investigación creó un sistema de aceleración basado en hardware que permite realizar estas multiplicaciones en paralelo. Los chips ópticos aprovechan el hecho de que diferentes longitudes de onda de luz no se interfieren entre sí, lo que significa que se pueden utilizar para realizar cálculos en paralelo. El equipo de investigación se basó en un “combinador de frecuencia” desarrollado por la EPFL, utilizando como fuente de luz para proporcionar al chip fotónico las diferentes longitudes de onda.

El desarrollo del combinador de frecuencia fue liderado por el profesor Tobias Kippenberg en la EPFL. Kippenberg es uno de los autores principales del estudio, junto con el coautor Wolfram Pernice de la Universidad de Münster. Según Pernice, los procesadores basados en la luz pueden acelerar las tareas computacionalmente intensivas involucradas en el aprendizaje automático, realizando cálculos a velocidades aún más altas que el hardware especializado como las Unidades de Procesamiento de Tensor (TPU) y las GPU más avanzadas.

Entrenamiento de redes neuronales

Después de que se diseñaron y construyeron los chips fotónicos, los investigadores los sometieron a pruebas realizando un entrenamiento de una red neuronal diseñada para reconocer números escritos a mano. El proceso de entrenamiento de la red neuronal aprovechó la multiplexación de longitudes de onda habilitada por los chips, y logró alcanzar tasas de datos y densidades de cálculo más altas que nunca antes.

Como explicó Johannes Feldmann, autor principal del estudio y estudiante de posgrado en la Universidad de Münster, a través de TechXplore:

“La operación convolucional entre los datos de entrada y uno o más filtros, que pueden ser un resaltado de bordes en una foto, por ejemplo, se puede transferir muy bien a nuestra arquitectura de matriz. La explotación de la luz para la transferencia de señales permite que el procesador realice un procesamiento de datos en paralelo a través de la multiplexación de longitudes de onda, lo que conduce a una mayor densidad de cálculo y a que se realicen muchas multiplicaciones de matrices en un solo tiempo de paso.”

El trabajo es notable debido al hecho de que podría permitir que las redes neuronales se entrenen en grandes conjuntos de datos en lo que podría ser una fracción del tiempo que normalmente se necesita para entrenar una red. A medida que los datos grandes siguen creciendo, inflados por la Internet de las cosas y la creciente proliferación de dispositivos inteligentes, los científicos de datos necesitarán nuevas formas de mantener los tiempos de entrenamiento en conjuntos de datos masivos lo más bajos posible. La electrónica tradicional suele operar en el rango de los bajos GHz, mientras que las velocidades de modulación óptica pueden alcanzar el rango de 50 GHz a 100 GHz.

La investigación podría tener importantes implicaciones para aplicaciones como la computación en la nube, la imagen médica y los vehículos autónomos, que todos requieren la capacidad de procesar grandes volúmenes de datos que provienen de múltiples fuentes lo más rápido posible.

El proyecto de investigación fue el resultado de una colaboración entre un equipo internacional de investigadores de la Universidad de Pitt, la Universidad de Münster en Alemania, las Universidades de Exeter y Oxford en Inglaterra, IBM Zurich y la École Polytechnique Fédérale (EPFL) en Suiza.