Forskere utvikler verdens kraftigste neuromorfe prosessor for AI

I et stort sprang fremover i feltet kunstig intelligens (AI), har et internasjonalt team av forskere ledet av Swinburne University of Technology utviklet verdens kraftigste neuromorfe prosessor for AI. Den opererer med en forbløffende hastighet på over 10 billioner operasjoner per sekund (TeraOps/s), noe som betyr at den kan prosessere ultra-storskala data.

Arbeidet ble publisert i tidsskriftet Nature.

Ledet av Swinburnes professor David Moss, Dr. Xingyuan Xu, og Distinguished Professor Arnan Mitchell fra RMIT University, accelererte teamet datamaskinens hastighet og prosesseringskraft. De kunne lage en optisk neuromorfe prosessor som kan operere over 1 000 ganger raskere enn noen tidligere. Systemet kan også prosessere ultra-storskala bilder, som er viktig for ansiktsgjenkjenning, ettersom tidligere optiske prosessorer har feilet i denne hensikt.

Professor Moss er direktør for Swinburnes Optical Sciences Centre, og han ble kåret til en topp australsk forsker i fysikk og matematikk i feltet optikk og fotonikk av The Australian.

“Dette gjennombruddet ble oppnådd med ‘optiske mikro-kammer,’ som var vårt verdensrekord internett datas hastighet rapportert i mai 2020,” sa han.

Andre topp-prosessorer og mikro-kammer

 Toppelektroniske prosessorer som Google TPU kan operere over 100 TeraOps/s. Men det krever titusener av parallele prosessorer, mens teamets optiske system bare avhenger av en enkelt prosessor. De oppnådde dette ved å bruke en ny teknikk som innebar å samtidig interpolere dataene i tid, bølgelengde og romlige dimensjoner gjennom en integrert mikro-komb kilde.

For de som ikke er klar over mikro-kammer, er de nye enheter som består av hundredvis av høykvalitets infrarøde lasere på en enkelt chip. I sammenligning med andre optiske kilder, er mikro-kammer mye raskere, lettere og billigere.

“I de 10 årene siden jeg co-oppfant dem, har integrerte mikro-komb chipper blitt enormt viktige, og det er virkelig spennende å se dem muliggjøre disse enorme fremgangene i informasjonskommunikasjon og prosessering,” sier professor Moss. “Mikro-kammer tilbyr enormt løfte for å møte verdens ustoppeelige behov for informasjon.”

Prosessor for fremtiden

Dr. Xu var med-forfatter av studien og er en Swinburne-alumn og post-doktorand med Electrical and Computer Systems Engineering Department ved Monash University.

“Denne prosessoren kan fungere som en universell ultra-høy-båndbredde front-end for alle neuromorfe maskinvare – optisk eller elektronisk basert – og bringe masse-data maskinlæring for sanntids ultra-høy-båndbredde data innen rekkevidde,” sier Dr. Xu.

“Vi er nå og får et glimt av hvordan prosessorer i fremtiden vil se ut. Det viser oss virkelig hvordan vi dramatisk kan skalle kraften til våre prosessorer gjennom den innovative bruken av mikro-kammer,” fortsetter han.

Ifølge RMITs professor Mitchell, “Denne teknologien er anvendelig på alle former for prosessering og kommunikasjon — det vil ha en enorm innvirkning. Langsiktige håper vi å realisere fullt integrerte systemer på en chip, noe som vil redusere kostnader og energiforbruk.”

Professor Damien Hicks støtter forskningsteamet og er fra Swinburne og Walter og Elizabeth Hall Institute.

“Convolutional neural networks har vært sentrale i den kunstige intelligens-revolusjonen, men eksisterende silikon-teknologi presenterer stadig en flaskehals i prosesseringshastighet og energi-effektivitet,” sier professor Hicks.

“Dette gjennombruddet viser hvordan en ny optisk teknologi gjør slike nettverk raskere og mer effektive, og er en dyptgående demonstrasjon av fordelen av tverrfaglig tenkning, ved å ha inspirasjonen og motet til å ta en idé fra ett felt og bruke den til å løse et grunnleggende problem i et annet,” fortsetter han.