A Sydney-i Egyetem kutatói egy olyan nanofotonikus chip prototípust építettek, amely mesterséges intelligencia számításokat végez elektromosság helyett fénnyel.

A kísérleti eszköz fotonok segítségével dolgozza fel az információkat, lehetővé téve, hogy a műveletek a másodperc billiómod része alatt menjenek végbe.

A prototípust a Sydney Nano Hubban fejlesztették ki, és egy olyan törekvést képvisel, amely újragondolja, hogyan tudná a számítástechnikai hardverek támogatni a mesterséges intelligencia rendszerek növekvő igényeit. Az elektronikus jelekre való támaszkodás helyett a chip számításokat végez, miközben a fény áthalad a készülékbe ágyazott nanoskálájú struktúrákon. A kutatók szerint a megközelítés segíthet megoldani a mesterséges intelligencia infrastruktúra bővítésével kapcsolatos egyik legnagyobb kihívást: az energiafogyasztást. A nagyméretű MI-modelleket futtató adatközpontoknak hatalmas mennyiségű energiára és hűtésre van szükségük a hagyományos szilíciumchipek működésének fenntartásához. A hagyományos processzorok elektromosan töltött részecskéket, úgynevezett elektronokat mozgatnak vezetékeken keresztül. Ez a folyamat ellenállást és hőt hoz létre, amihez energiaigényes hűtőrendszerekre van szükség a biztonságos üzemi hőmérséklet fenntartásához.

Fénnyel működő mesterséges intelligencia számítástechnika
A nanofotonikus chip más megközelítést alkalmaz. Az elektronok áramkörökön való áthaladása helyett a fényt apró, mindössze néhány tíz mikrométer széles, nagyjából az emberi hajszál vastagságával megegyező struktúrákon vezeti keresztül. Ahogy a fotonok áthaladnak ezeken a nanostruktúrákon, maguk a struktúrák végzik el a gépi tanuláshoz szükséges számításokat. Ez szükségtelenné teszi a külön elektronikus feldolgozási lépést. A chip architektúrája neurális hálózatként van elrendezve, amely az emberi agy információfeldolgozási folyamatát modellezi. A nanoszerkezetek fizikai elrendezése mesterséges neuronokként működik, lehetővé téve a mintázatfelismerési és osztályozási feladatokat, miközben a fény áthalad az eszközön.

Xiaoke Yi professzor, az Egyetem Villamosmérnöki és Számítástechnikai Karának munkatársa, aki az egyetem Fotonikai Kutatócsoportját vezeti, elmondta, hogy a projekt egy újfajta gondolkodásmódot mutat be a számítástechnikai hardverekről.

„Újragondoltuk, hogyan használható a fotonika új, energiahatékony és ultragyors számítógépes feldolgozó chipek tervezésére” – mondta Yi.

„A mesterséges intelligenciát egyre inkább korlátozza az energiafogyasztás. Ez a kutatás neurális számításokat végez fény segítségével, lehetővé téve a gyorsabb, energiahatékonyabb és ultrakompakt MI-gyorsítók létrehozását.”

Orvosi adatokkal végzett tesztelés
A prototípus kiértékeléséhez a kutatócsoport több mint 10 000 biomedicinális kép osztályozására képezte ki a chipet. Az adathalmaz a mell, a mellkas és a has MRI-felvételeit tartalmazta. Mind a szimulációk, mind a laboratóriumi kísérletek kimutatták, hogy a fotonikus neurális hálózat 90 és 99 százalék közötti pontossággal képes azonosítani a képeket. Minden számítás pikoszekundumos időskálán történt, ami azt jelenti, hogy a műveletek a másodperc billiódomod része alatt fejeződtek be, miközben a fény áthaladt a nanoszerkezeten. Az eredmények arra utalnak, hogy a neurális hálózati modellek fizikailag beágyazhatók nanoskálájú fotonikus struktúrákba, ahelyett, hogy szoftverként futtatnák őket hagyományos processzorokon.

A kutatás eredményei egy időben jelennek meg, miközben a technológiai vállalatok és kormányok világszerte folyamatosan bővítik a mesterséges intelligencia infrastruktúráját . Minden új adatközpont nyomást gyakorol az elektromos hálózatokra, és növeli a hűtési erőforrások iránti igényt. A fotonikus számítástechnika segíthet csökkenteni ezt a terhet, mivel a fény elektromos ellenállás nélkül haladhat át az anyagokon, jelentősen csökkentve a hőtermelést és az energiafogyasztást az elektronikus chipekhez képest.

A kutatócsoport több mint egy évtizedet töltött a fotonika számítástechnikai és érzékelési technológiákban való alkalmazásának lehetőségeinek feltárásával. Következő lépésük a terv kiterjesztése nagyobb fotonikus neurális hálózatokra, amelyek képesek összetettebb adathalmazok feldolgozására.

Ha a technológia sikeresen skálázódik, a fotonikus chipek végül kiegészíthetik vagy helyettesíthetik a hagyományos processzorokat bizonyos mesterséges intelligencia alapú munkaterhelésekben, gyorsabb és energiahatékonyabb hardvert kínálva a jövő rendszerei számára.

Tovább a cikkre: interestingengineering.com (Neetika Walter) és nature.com

Az új, fényalapú fotonikus chipek lehetővé teszik a robotok általi tanulást elektronikus számítások nélkül

A kutatók megerősítéses tanulást mutattak be fotonikus neuromorf chipeken, amelyek teljes egészében fénnyel dolgozzák fel az idegi jeleket, GPU-szintű hatékonyságot elérve.

A kutatók új fotonikus számítástechnikai chipeket építettek, amelyek lehetővé teszik a neurális hálózatok számára, hogy elektronika helyett fény segítségével tanuljanak. A technológia fejlesztheti az önvezető járműveket, és segíthet a robotoknak abban, hogy közvetlenül a valós interakciókból tanuljanak. A chipek egyfajta mesterséges intelligenciát futtatnak, amelyet fotonikus tüskés neurális rendszernek neveznek. Ezek a rendszerek utánozzák a biológiai neuronok kommunikációját gyors impulzusok segítségével. Ebben az esetben ezek a jelek fényként terjednek. A tudósok szerint az új rendszer megszüntet egy jelentős szűk keresztmetszetet, amely lassította a fotonikus mesterséges intelligencia fejlesztését.

A korábbi rendszereknek még elektronikára volt szükségük a tanulás kulcsfontosságú lépéseihez. Az új kialakítás ezeket a műveleteket teljes mértékben az optikai tartományban tartja.

Fotonikus neurális számítástechnika
A fotonikus tüskés neurális rendszerek rövid fénykitöréseket használnak az idegi jelek ábrázolására. Ezek az optikai tüskék sokkal gyorsabban mozognak a fotonikus áramkörökön, mint az elektromos jelek. A korábbi fotonikus rendszerek azonban csak lineáris számításokat tudtak feldolgozni fény segítségével. A tanuláshoz szükséges nemlineáris műveletek továbbra is elektronikus hardverekre támaszkodtak.

„A fotonikus tüskés neurális rendszerek rövid optikai impulzusokat, vagy tüskéket használnak az idegi jelzések emulálására, de jellemzően csak a számítás lineáris részeit tudják fénnyel feldolgozni” – mondta a kutatócsoport vezetője, Shuiying Xiang a kínai Xidian Egyetemről. Xiang elmagyarázta a korábbi rendszerek korlátait.

„Korábban a tanulást és a döntéshozatalt lehetővé tevő nemlineáris lépések megkövetelték, hogy a jelet visszaalakítsák elektronikus jelekké. Ez késleltetést okoz, és aláássa a fotonika sebesség- és energiaelőnyeit.” – Az új rendszer megszünteti ezt a korlátozást. Közvetlenül fénnyel végez lineáris és nemlineáris neurális számításokat is.

A kutatók egy programozható fotonikus neuromorf platformot terveztek a koncepció bemutatására. A rendszer két együttműködő chipet használ. Az egyik chip egy 16 csatornás fotonikus neuromorf processzort tartalmaz. 272 tanítható paramétert tartalmaz, és több optikai jelet dolgoz fel egyszerre. A második chip egy elosztott visszacsatoló lézertömböt tartalmaz telíthető abszorberrel. Ez az alkatrész lehetővé teszi az alacsony küszöbértékű nemlineáris optikai tüskésedést. A kutatók megerősítéses tanulással tesztelték a rendszert. Ez a mesterséges intelligencia általi megközelítés próbálgatással és hibákkal tanítja a rendszereket.

„Ezzel a rendszerrel demonstráltuk a megerősítéses tanulást, amelyet egy hardveres és szoftveres együttműködési keretrendszer támogatott, amely betanítja és futtatja a neurális hálózatot” – mondta Xiang.

„A rendszer gyorsan tanult próbálkozások és hibák révén, ami egy gyors, alacsony késleltetésű megoldás potenciálját mutatta, és olyan alkalmazásokban is használható, mint az önvezető rendszerek és a megtestesült intelligencia.”

A mérnökök először szoftveresen képezték ki a neurális modellt. A chipek ezután hardveresen kerültek betanításra és végrehajtásra. A kutatók később szoftveresen finomhangolták az eredményeket, hogy figyelembe vegyék a kisebb hardveres eltéréseket. A csapat két standard szabályozási probléma segítségével értékelte a rendszert. Az egyik egy mozgó kocsin lévő rúd egyensúlyozásából állt, ezt CartPole feladatnak nevezték. A másik egy fordított inga stabilizálását igényelte. A hardveres döntések szorosan illeszkedtek a szoftveres modellhez. A pontosság mindössze 1,5 százalékkal csökkent a CartPole és 2 százalékkal az ingateszt esetében.

A rendszer emellett erős számítási teljesítményt is nyújtott. A fotonikus lineáris feldolgozás elérte az 1,39 teraműveletet másodpercenként wattonként. A nemlineáris számítás másodpercenként és wattonként közel 988 gigaműveletet ért el. A chipre integrált számítási késleltetés mindössze 320 pikoszekundum volt.

A fotonikus mesterséges intelligencia rendszerek felé
A kutatók úgy vélik, hogy a technológia támogathatja a jövőbeli mesterséges intelligencia rendszereket, amelyek gyors tanulást és alacsony energiafogyasztást igényelnek. A lehetséges alkalmazások közé tartozik az önvezető autók és a valós környezetekhez alkalmazkodó robotrendszerek . A jelenlegi prototípus 16 optikai csatornát használ. A jövőbeli tervek nagyobb architektúrákra is skálázhatók. A csapat egy 128 csatornás fotonikus tüskés neurális chip fejlesztését tervezi. Ez a fejlesztés támogathatja a bonyolultabb megerősítéses tanulási feladatokat.

A kutatók célja kompakt hibrid fotonikus rendszerek építése is, amelyek alkalmasak peremhálózati számítástechnikára.

Siker esetén a fotonikus mesterséges intelligencia hardver alternatívát kínálhat az elektronikus processzorokkal szemben a jövő intelligens gépeiben.

Tovább a cikkre: interestingengineering.com