Фотонні чіпи здаються прискорювати швидкість процесів штучного інтелекту драматично

Команда дослідників недавно застосувала фотонні процесори до застосунків штучного інтелекту, демонструючи, що фотонні процесори можуть значно перевершити можливості обробки інформації звичайних електронних чіпів.

Дослідницька команда розробила нову архітектуру чіпів і підхід, який поєднує можливості зберігання даних і обробки даних в одному пристрої. Чіпи були виготовлені з фазово-активних матеріалів (як ті, що використовуються в DVD). Фотонні (світло-орієнтовані) процесори використовуються для створення комп’ютерного чіпа, який може виконувати розрахунки з високою швидкістю, і в дослідженні, опублікованому в Nature, дослідницька команда змогла продемонструвати, що ці нові чіпи значно покращили традиційні електронні чіпи, завдяки своїй здатності швидко обробляти інформацію паралельно.

Матрично-векторні множення

Нейронні мережі, які лежать в основі багатьох найсучасніших застосунків штучного інтелекту, працюють через матрично-векторні множення. Дослідницька команда створила апаратну систему прискорення, яка дозволяє виконувати ці множення паралельно. Оптичні чіпи використовують той факт, що різні довжини хвиль світла не заважають один одному, що дозволяє виконувати розрахунки паралельно. Дослідницька команда використала “частотний гребінь”, розроблений EPFL, як джерело світла для забезпечення фотонного чіпа різними довжинами хвиль.

Розробка частотного гребеня була очолена професором Тобіасом Кіппенбергом в EPFL. Кіппенберг є одним з головних авторів дослідження разом з співавтором Вольфрамом Перніце з Мюнстерського університету. За словами Перніце, світло-орієнтовані процесори можуть прискорити обчислювально інтенсивні завдання, пов’язані з машинним навчанням, виконуючи розрахунки з ще вищою швидкістю, ніж спеціалізоване апаратне забезпечення, наприклад, Tensor Processing Units (TPU) і найсучасніші графічні процесори.

Навчання нейронних мереж

Після того, як фотонні чіпи були спроектовані і побудовані, дослідники протестували їх на нейронній мережі, призначеної для розпізнавання рукописних цифр. Процес навчання нейронної мережі використовував мультиплексування довжин хвиль, яке дозволяється чіпами, і він зміг досягти вищої швидкості передачі даних і щільності обчислень, ніж будь-коли раніше.

Як пояснив Йоганнес Фельдманн, головний автор дослідження і аспірант Мюнстерського університету через TechXplore:

“Конволюційна операція між вхідними даними і одним або декількома фільтрами, які можуть бути виділенням країв у фотографії, наприклад, може бути легко перенесена в нашу матричну архітектуру. Використання світла для передачі сигналів дозволяє процесору виконувати паралельну обробку даних через мультиплексування довжин хвиль, що призводить до вищої щільності обчислень і виконання багатьох матричних множень за один крок.”

Ця робота примітна тим, що вона може дозволити навчати нейронні мережі на великих наборах даних за час, який може бути у кілька разів меншим, ніж звичайний час навчання мережі. Коли великі дані стають ще більшіми, надутими інтернетом речей і зростаючою популярністю розумних пристроїв, вчені-дані будуть потребувати нових способів підтримання часу навчання на великих наборах даних на мінімальному рівні. Традиційна електроніка зазвичай працює в діапазоні низьких ГГц, тоді як швидкості оптичної модуляції можуть сягати 50 ГГц до 100 ГГц.

Ця робота може мати важливі наслідки для застосунків, таких як хмарні обчислення, медична візуалізація і автономні транспортні засоби, які всі потребують можливості обробляти великі об’єми даних, що походять з декількох джерел, якомога швидше.

Дослідницький проєкт був результатом співпраці міжнародної команди дослідників з Піттсбурзького університету, Мюнстерського університету в Німеччині, університетів Ексетера і Оксфорда в Англії, IBM Zurich і École Polytechnique Fédérale (EPFL) у Швейцарії.