Fotonică Chip-urile Par a Crește Dramatic Viteza Proceselor de Inteligență Artificială

O echipă de cercetători a aplicat recent procesoare fotice la aplicații de inteligență artificială, demonstrând că procesoarele fotice pot depăși cu mult capacitatea de procesare a informațiilor a cipului electronic obișnuit.

Echipa de cercetare a dezvoltat o nouă arhitectură de cip și o abordare care combină capacitățile de stocare și procesare a datelor într-un singur dispozitiv. Cipurile au fost fabricate cu materiale cu schimbare de fază (cum ar fi cele utilizate în DVD-uri). Procesoarele fotice (bazate pe lumină) sunt utilizate pentru a produce un cip de calculator care poate efectua calcule la viteze ridicate, iar într-un studiu publicat recent în Nature, echipa de cercetare a demonstrat că aceste cipuri noi pot îmbunătăți semnificativ cipurile electronice tradiționale, datorită capacității lor de a procesa rapid informații în paralel.

Înmulțiri Matrice-Vectoare

Rețelele neuronale care stau la baza multor aplicații de inteligență artificială funcționează prin înmulțiri matrice-vectoare. Echipa de cercetare a creat un sistem de accelerare bazat pe hardware care permite efectuarea acestor înmulțiri în paralel. Cipurile optice folosesc faptul că diferitele lungimi de undă ale luminii nu se interferează unele cu altele, ceea ce permite efectuarea calculelor în paralel. Echipa de cercetare s-a bazat pe un “comb de frecvență” dezvoltat de EPFL, utilizându-l ca sursă de lumină pentru a furniza cipului fotonic diverse lungimi de undă.

Dezvoltarea combului de frecvență a fost condusă de profesorul Tobias Kippenberg de la EPFL. Kippenburg este unul dintre autorii principali ai studiului, alături de coautorul Wolfram Pernice de la Universitatea din Münster. Conform lui Pernice, procesoarele bazate pe lumină pot accelera sarcinile computaționale intensive implicate în învățarea automată, efectuând calcule la viteze și mai mari decât hardware-ul specializat, cum ar fi Unitățile de Procesare Tensorială (TPU) și cele mai avansate GPU-uri.

Antrenarea Rețelelor Neuronale

După ce cipurile fotice au fost proiectate și construite, cercetătorii le-au testat pe o rețea neuronală proiectată pentru a recunoaște numere scrise de mână. Procesul de antrenare a rețelei neuronale a folosit multiplexarea pe lungimi de undă permisă de cipuri, iar aceasta a reușit să atingă rate de date și densități de calcul mai mari decât orice s-a realizat anterior.

După cum a explicat Johannes Feldmann, autorul principal al studiului și student doctorand la Universitatea din Münster, prin TechXplore:

„Operația de convoluție între datele de intrare și unul sau mai multe filtre – care poate fi evidențierea marginilor într-o fotografie, de exemplu – poate fi transferată foarte bine în arhitectura noastră de matrice. Exploatând lumina pentru transferul de semnal permite procesorului să efectueze prelucrarea paralelă a datelor prin multiplexarea pe lungimi de undă, ceea ce conduce la o densitate de calcul mai mare și la efectuarea multor înmulțiri matrice-vectoare într-un singur pas de timp.”

Lucrarea este notabilă datorită faptului că ar putea permite antrenarea rețelelor neuronale pe seturi de date mari într-un timp care ar putea fi o fracțiune din timpul obișnuit necesar pentru antrenarea unei rețele. Pe măsură ce datele mari devin și mai mari, umflate de internetul lucrurilor și de proliferarea dispozitivelor inteligente, oamenii de știință vor avea nevoie de noi modalități de a menține timpul de antrenare pe seturi de date masive cât mai scăzut posibil. Electronica tradițională funcționează de obicei în gama joasă de GHz, în timp ce vitezele de modulare optică pot ajunge până la 50 GHz sau 100 GHz.

Cercetarea ar putea avea implicații importante pentru aplicații precum calculul în nor, imagistica medicală și vehiculele autonome, care toate necesită capacitatea de a procesa volume mari de date provenite din multiple surse cât mai rapid posibil.

Proiectul de cercetare a fost rezultatul unei colaborări între o echipă internațională de cercetători de la Universitatea Pitt, Universitatea din Münster din Germania, Universitățile Exeter și Oxford din Anglia, IBM Zurich și École Polytechnique Fédérale (EPFL) din Elveția.