Fotonik Çipler AI Süreçlerinin Hızını Dramatik Bir Şekilde Artırıyor

Araştırmacılar recently applied photonic processors to artificial intelligence uygulamalarına, fotonik işlemcilerin normal elektronik çiplerin bilgi işleme kapasitesini büyük ölçüde aşabileceğini gösterdiler .

Araştırma ekibi, veri depolama ve veri işleme yeteneklerini tek bir cihazda birleştiren yeni bir yonga mimarisi ve yaklaşım geliştirdi. Çipler, faz değiştirme malzemeleri (DVD’lerde kullanılanlar gibi) ile yapıldı. Fotonik (ışık tabanlı) işlemciler, yüksek hızlarda hesaplamalar gerçekleştirebilen bir bilgisayar çipi üretmek için kullanıldı ve yakın zamanda Nature dergisinde yayımlanan bir çalışmada, araştırma ekibinin bu yeni çiplerin geleneksel elektronik çiplerden daha iyi performans gösterdiğini kanıtladı, bu da paralel olarak bilgi işleme yeteneklerine sahip olmalarından kaynaklanıyordu.

Matris-Vektör Çarpımları

Yapay zeka uygulamalarının çoğunun temelini oluşturan sinir ağları, matris-vektör çarpımları aracılığıyla çalışır. Araştırma ekibi, bu çarpımların paralel olarak gerçekleştirilmesini sağlayan bir donanım tabanlı hızlandırma sistemi oluşturdu. Optik çipler, farklı ışık dalga boylarının birbirleriyle etkileşime girmemesi gerçeğinden yararlanarak, hesaplamaları paralel olarak gerçekleştirebiliyor. Araştırma ekibi, EPFL tarafından geliştirilen bir “frekans kombini” kullandı ve bunu fotonik çipe çeşitli dalga boyları sağlamak için bir ışık kaynağı olarak kullandı.

Frekans kombininin geliştirilmesi, EPFL’den Profesör Tobias Kippenberg tarafından yürütüldü. Kippenburg, çalışmanın baş yazarlarından biri ve Münster Üniversitesi’nden Wolfram Pernice ile birlikte çalıştı. Pernice’ye göre, ışık tabanlı işlemciler, makine öğrenimi ile ilgili hesaplama yoğun görevleri hızlandırabilir ve hatta Tensor Processing Units (TPU’lar) ve en gelişmiş GPU’lar gibi özel donanımından daha yüksek hızlarda hesaplamalar gerçekleştirebilir.

Sinir Ağı Eğitimi

Fotonik çipler tasarlandığı ve inşa edildikten sonra, araştırmacılar bunları el yazısı numaralarını tanıyan bir sinir ağı üzerinde test etti. Sinir ağı eğitimi süreci, çiplerin sağladığı dalga boyu çoklu bağlantısından yararlanarak, daha önce elde edilenlerden daha yüksek veri oranları ve hesaplama yoğunlukları elde etti.

Araştırma çalışmasının baş yazarı ve Münster Üniversitesi’nden yüksek lisans öğrencisi Johannes Feldmann, TechXplore‘a şunları söyledi:

“Giriş verisi ve bir veya daha fazla filtre arasındaki konvolüsyon işlemini – örneğin bir fotoğraftaki kenarların vurgulanması – bizim matris mimarimize çok iyi bir şekilde aktarabiliriz. İşaretleri iletmek için ışığı kullanmak, işlemcinin dalga boyu çoklu bağlantısı aracılığıyla paralel veri işleme gerçekleştirmesini sağlar, bu da daha yüksek bir hesaplama yoğunluğu ve bir zaman adımında birçok matris çarpımı anlamına gelir.”

Çalışma, sinir ağlarının büyük veri kümeleri üzerinde eğitim sürelerini dramatik bir şekilde azaltma potansiyeline sahip olmasından dolayı dikkat çekicidir. Büyük veri, internet вещей ve akıllı cihazların artan yaygınlığıyla birlikte büyümeye devam ettikçe, veri bilimcilerinin büyük veri kümeleri üzerinde eğitim sürelerini mümkün olan en düşük seviyede tutmak için yeni yollar bulmaları gerekecek. Geleneksel elektronik genellikle düşük GHz aralığında çalışır, जबकi optik modülasyon hızları 50 GHz ila 100 GHz aralığına ulaşabilir.

Araştırma, bulut bilişim, tıbbi görüntüleme ve otonom araçlar gibi uygulamalar için önemli sonuçlar doğurabilir, çünkü bu uygulamalar büyük miktarda veriyi hızlı bir şekilde işleyebilme yeteneğine ihtiyaç duyar.

Araştırma projesi, Pitt Üniversitesi, Almanya’nın Münster Üniversitesi, İngiltere’nin Exeter ve Oxford Üniversiteleri, IBM Zurich ve İsviçre’deki École Polytechnique Fédérale (EPFL) gibi uluslararası bir araştırmacı ekibinin işbirliği sonucu ortaya çıktı.