Czipy fotoniczne wydają się zwiększać szybkość procesów sztucznej inteligencji w dramatyczny sposób

Zespół badaczy niedawno zastosował procesory fotoniczne w aplikacjach sztucznej inteligencji, demonstrując, że procesory fotoniczne mogą znacznie przewyższać możliwości przetwarzania informacji tradycyjnych chipów elektronicznych.

Zespół badawczy opracował nową architekturę chipów i podejście, które łączy możliwości przechowywania i przetwarzania danych w jednym urządzeniu. Chipów tych wykonano z materiałów zmiany fazy (takich jak te używane w płytach DVD). Procesory fotoniczne (oparte na świetle) są używane do produkcji chipu komputerowego, który może wykonywać obliczenia z dużą szybkością, a w badaniu opublikowanym niedawno w Nature, zespół badawczy był w stanie udowodnić, że te nowe chipy znacznie przewyższają tradycyjne chipy elektroniczne, dzięki ich zdolności do szybkiego przetwarzania informacji równolegle.

Mnożenie macierzy i wektorów

Sieci neuronowe, które leżą u podstaw wielu najnowocześniejszych aplikacji sztucznej inteligencji, działają poprzez mnożenie macierzy i wektorów. Zespół badawczy stworzył system przyspieszania sprzętowego, który umożliwia wykonywanie tych mnożeń równolegle. Chipy optyczne wykorzystują fakt, że różne długości fal świetlnych nie zakłócają się wzajemnie, co pozwala na wykonywanie obliczeń równolegle. Zespół badawczy wykorzystał “kombo frecencyjne” opracowane przez EPFL, jako źródło światła dla chipu fotonicznego, dostarczając różne długości fal.

Rozwój kombu frecencyjnego został zainicjowany przez profesora Tobiasa Kippenberga z EPFL. Kippenburg jest jednym z głównych autorów badania, wraz z współautorem Wolframem Pernice z Uniwersytetu w Münster. Według Pernice, procesory oparte na świetle mogą przyspieszyć obliczenia związane z uczeniem maszynowym, wykonując obliczenia z jeszcze większą szybkością niż specjalistyczne urządzenia, takie jak Tensor Processing Units (TPU) i najnowocześniejsze karty graficzne.

Szkolenie sieci neuronowych

Po zaprojektowaniu i zbudowaniu chipów fotonicznych, badacze przetestowali je, używając sieci neuronowej zaprojektowanej do rozpoznawania ręcznie pisanych cyfr. Proces szkolenia sieci neuronowej wykorzystywał multipleksowanie długości fal, umożliwione przez chip, i osiągnął wyższe szybkości danych i gęstości obliczeń niż kiedykolwiek wcześniej.

Jak wyjaśnił Johannes Feldmann, główny autor badania i student Uniwersytetu w Münster przez TechXplore:

“Operacja konwolucyjna między danymi wejściowymi a jednym lub więcej filtrami, które mogą być na przykład podkreśleniem krawędzi na zdjęciu, może być bardzo dobrze przeniesiona na naszą architekturę macierzy. Wykorzystanie światła do transmisji sygnału umożliwia procesorowi wykonywanie obliczeń równolegle poprzez multipleksowanie długości fal, co prowadzi do wyższej gęstości obliczeń i wielu mnożeń macierzy wykonywanych w jednym kroku.”

Praca ta jest godna uwagi, ponieważ może umożliwić szkolenie sieci neuronowych na dużych zbiorach danych w czasie, który może być ułamkiem typowego czasu potrzebnego do szkolenia sieci. Wraz ze wzrostem ilości danych, napędzanym przez Internet rzeczy i rosnącą liczbą inteligentnych urządzeń, naukowcy danych będą potrzebowali nowych sposobów utrzymania czasu szkolenia na niskim poziomie. Tradycyjna elektronika zwykle działa w zakresie kilku GHz, podczas gdy prędkość modulacji optycznej może sięgać do 50 GHz do 100 GHz.

Badanie może mieć istotne implikacje dla aplikacji takich jak obliczenia w chmurze, obrazowanie medyczne i samochody autonomiczne, które wszystkie wymagają możliwości przetwarzania dużych ilości danych pochodzących z wielu źródeł jak najszybciej.

Projekt badawczy był wynikiem współpracy międzynarodowego zespołu badaczy z Uniwersytetu Pitta, Uniwersytetu w Münster w Niemczech, Uniwersytetów Exeter i Oxford w Anglii, IBM Zurich oraz École Polytechnique Fédérale (EPFL) w Szwajcarii.