Con chip Photon có vẻ như tăng tốc quá trình AI một cách đáng kể

Một nhóm các nhà nghiên cứu gần đây đã áp dụng bộ xử lý photonics cho các ứng dụng trí tuệ nhân tạo, chứng minh rằng bộ xử lý photonics có thể vượt qua khả năng xử lý thông tin của các chip điện tử thông thường.

Nhóm nghiên cứu đã phát triển một kiến trúc chip mới và phương pháp kết hợp khả năng lưu trữ dữ liệu và xử lý dữ liệu trong một thiết bị duy nhất. Các chip được làm bằng vật liệu thay đổi pha (như những vật liệu được sử dụng trong DVD). Bộ xử lý photonics (dựa trên ánh sáng) được sử dụng để tạo ra một chip máy tính có thể thực hiện các tính toán tại tốc độ cao, và trong một nghiên cứu gần đây được công bố trên Nature, nhóm nghiên cứu đã có thể chứng minh rằng những chip mới này có thể cải thiện đáng kể so với các chip điện tử thông thường, nhờ khả năng xử lý thông tin nhanh chóng song song.

Sự nhân vector của ma trận

Các mạng nơ-ron mà dưới đây là hầu hết các ứng dụng trí tuệ nhân tạo tiên tiến nhất hoạt động thông qua sự nhân vector của ma trận. Nhóm nghiên cứu đã tạo ra một hệ thống gia tốc dựa trên phần cứng cho phép các phép nhân này được thực hiện song song. Các chip photonics tận dụng lợi thế của việc các bước sóng ánh sáng khác nhau không can thiệp vào nhau, có nghĩa là chúng có thể được sử dụng để thực hiện các tính toán song song. Nhóm nghiên cứu đã dựa vào một “bộ comb tần số” được phát triển bởi EPFL, sử dụng nó như một nguồn ánh sáng để cung cấp cho chip photonics các bước sóng khác nhau.

Sự phát triển của bộ comb tần số được dẫn đầu bởi Giáo sư Tobias Kippenberg tại EPFL. Kippenburg là một trong những tác giả chính của nghiên cứu cùng với đồng tác giả Wolfram Pernice từ Đại học Münster. Theo Pernice, bộ xử lý dựa trên ánh sáng có thể tăng tốc các nhiệm vụ tính toán đòi hỏi nhiều tài nguyên trong học máy, thực hiện các tính toán tại tốc độ cao hơn даже so với phần cứng chuyên dụng như Tensor Processing Units (TPUs) và các GPU tiên tiến nhất.

Đào tạo mạng nơ-ron

Sau khi các chip photonics được thiết kế và xây dựng, các nhà nghiên cứu đã thử nghiệm chúng bằng cách kiểm tra chúng trên một mạng nơ-ron được thiết kế để nhận dạng các chữ số viết tay. Quá trình đào tạo mạng nơ-ron tận dụng khả năng ghép kênh bước sóng được cho phép bởi các chip, và nó đã có thể đạt được tốc độ dữ liệu và mật độ tính toán cao hơn so với trước đây.

Giống như Johannes Feldmann, tác giả chính của nghiên cứu và sinh viên sau đại học tại Đại học Münster đã giải thích qua TechXplore:

“Phép toán tích chập giữa dữ liệu đầu vào và một hoặc nhiều bộ lọc – có thể là việc làm nổi bật các cạnh trong một bức ảnh, ví dụ – có thể được chuyển rất tốt sang kiến trúc ma trận của chúng. Việc khai thác ánh sáng cho việc truyền tín hiệu cho phép bộ xử lý thực hiện xử lý dữ liệu song song thông qua ghép kênh bước sóng, dẫn đến mật độ tính toán cao hơn và nhiều phép nhân ma trận được thực hiện trong một bước thời gian.”

Công việc này đáng chú ý vì nó có thể cho phép các mạng nơ-ron được đào tạo trên các tập dữ liệu lớn trong thời gian có thể chỉ là một phần nhỏ so với thời gian đào tạo mạng thông thường. Khi dữ liệu lớn ngày càng lớn hơn, bị ảnh hưởng bởi internet của vạn vật và sự phổ biến ngày càng tăng của các thiết bị thông minh, các nhà khoa học dữ liệu sẽ cần các phương pháp mới để giữ thời gian đào tạo trên các tập dữ liệu lớn ở mức thấp nhất có thể. Các thiết bị điện tử thông thường thường hoạt động trong phạm vi GHz thấp, trong khi tốc độ điều chế quang có thể lên đến phạm vi 50 GHz đến 100 GHz.

Nghiên cứu này có thể có những ý nghĩa quan trọng đối với các ứng dụng như điện toán đám mây, hình ảnh y tế và xe tự hành, tất cả đều yêu cầu khả năng xử lý các lượng lớn dữ liệu từ nhiều nguồn một cách nhanh chóng.

Dự án nghiên cứu là kết quả của sự hợp tác giữa một nhóm nghiên cứu quốc tế từ Pitt Univesity, Đại học Münster ở Đức, Đại học Exeter và Oxford ở Anh, IBM Zurich và École Polytechnique Fédérale (EPFL) ở Thụy Sĩ.