Forskare utvecklar världens kraftfullaste neuromorfiska processor för AI

I ett stort framsteg inom området artificiell intelligens (AI) har ett internationellt forskarteam lett av Swinburne University of Technology utvecklat världens kraftfullaste neuromorfiska processor för AI. Den fungerar med en förbluffande hastighet på över 10 biljoner operationer per sekund (TeraOps/s), vilket innebär att den kan bearbeta ultra-storskalig data.

Arbetet publicerades i tidskriften Nature.

Ledda av Swinburnes professor David Moss, Dr. Xingyuan Xu och Distinguished Professor Arnan Mitchell från RMIT University, accelererade teamet beräkningshastigheten och bearbetningskraften. De kunde skapa en optisk neuromorfisk processor som kunde fungera över 1 000 gånger snabbare än tidigare. Systemet kan också bearbeta ultra-storskaliga bilder, vilket är viktigt för ansiktsigenkänning eftersom tidigare optiska processorer har misslyckats i detta avseende.

Professor Moss är chef för Swinburnes Optical Sciences Centre och han utsågs till en av de främsta australiska forskarna inom fysik och matematik inom området optik och fotonik av The Australian.

“Genombrottet uppnåddes med ‘optiska mikro-kammar’, som var vårt världsrekord för internetdatahastighet som rapporterades i maj 2020”, säger han.

Andra toppprocessorer och mikro-kammar

 Toppelektroniska processorer som Google (GOOGL ) TPU kan fungera med över 100 TeraOps/s. Men det kräver tiotusentals parallella processorer, medan teamets optiska system endast förlitar sig på en enda processor. De uppnådde detta genom att använda en ny teknik som innebar att samtidigt väva in data i tid, våglängd och rumsliga dimensioner genom en integrerad mikro-kamkälla.

För dem som är omedvetna om mikro-kammar är de nya enheter som består av hundratals högkvalitativa infraröda lasrar på en enda krets. Jämfört med andra optiska källor är mikro-kammar mycket snabbare, lättare och billigare.

“Sedan jag uppfann dem för 10 år sedan har integrerade mikro-kam-chip blivit enormt viktiga och det är verkligen spännande att se dem möjliggöra dessa enorma framsteg inom informationskommunikation och bearbetning”, säger professor Moss. “Mikro-kammar erbjuder enorma möjligheter för oss att möta världens outsinliga behov av information.”

Processorn för framtiden

Dr. Xu var medförfattare till studien och är en Swinburne-alumn och postdoktor vid Electrical and Computer Systems Engineering Department vid Monash University.

“Den här processorn kan fungera som en universell ultrahög bandbredd främre del för alla neuromorfiska maskinvaror – optiska eller elektroniska baserade – och bringa massiv data maskinlärning för realtids ultrahög bandbredd data inom räckhåll”, säger Dr. Xu.

“Vi får en försmak av hur processorer för framtiden kommer att se ut. Det visar oss verkligen hur dramatiskt vi kan skala upp kraften i våra processorer genom den innovativa användningen av mikro-kammar”, fortsätter han.

Enligt RMIT:s professor Mitchell “är den här tekniken tillämplig på alla former av bearbetning och kommunikation – den kommer att ha en enorm inverkan. På lång sikt hoppas vi att förverkliga fullt integrerade system på en krets, vilket kommer att kraftigt minska kostnader och energiförbrukning.”

Professor Damien Hicks stöder forskningsteamet och är från Swinburne och Walter och Elizabeth Hall Institute.

“Konvolutionsneuronnätverk har varit centrala för den artificiella intelligensrevolutionen, men befintlig kiselteknik presenterar alltmer en flaskhals i bearbetningshastighet och energieffektivitet”, säger professor Hicks.

“Det här genombrottet visar hur en ny optisk teknik gör sådana nätverk snabbare och mer effektiva och är ett djupgående bevis för fördelarna med tvärvetenskapligt tänkande, att ha inspirationen och modet att ta en idé från ett område och använda den för att lösa ett grundläggande problem i ett annat”, fortsätter han.