Lehké procesorové čipy – předběžné strojové učení

Schematické znázornění světelného procesoru pro násobení matic. Spolu s optickým frekvenčním hřebenem umožňuje příčné pole vlnovodu paralelní zpracování dat. Půjčka: WWU / AG Pernice

Mezinárodní tým vědců používá fotonové sítě k identifikaci vzorců.

V digitálním věku roste datový provoz alarmujícím tempem. Požadavky na výpočetní výkon v umělé inteligenci, jako je rozpoznávání slov nebo samočinné stroje, často přesahují možnosti běžných počítačových procesorů. Práce s mezinárodním týmem výzkumných pracovníků University of Münster vyvíjet nové přístupy և vývojové architektury, které mohou tyto problémy velmi efektivně překonat. Nyní ukázali, že takzvané fotonové procesory, se kterými zpracovávají data prostřednictvím světla, mohou zpracovávat informace mnohem rychleji a souběžně, což elektronické čipy neumí. Výsledky byly publikovány v časopise Příroda:,

Souvislosti և Metodika

Procesory založené na světle vám umožňují zpracovat složité matematické problémy ohromnou rychlostí (10¹² –10¹⁵ provoz za sekundu), abyste urychlili úkoly ve strojovém učení. Konvenční čipy, jako jsou grafické karty nebo speciální vybavení, jako je Google TPU (Tensor Processing Unit), jsou založeny na elektronickém přenosu dat a jsou mnohem pomalejší. Tým vědců, vedený profesorem Wolframem Pernisem z Fyzikálního ústavu a Centra pro měkké nanovědy na univerzitě v Münsteru, vyvinul hardwarový akcelerátor pro takzvané maticové množení, které představují hlavní zátěž zpracování neuronových sítí. Neuronové sítě jsou řadou algoritmů, které napodobují lidský mozek. To je užitečné například pro klasifikaci objektů v obrazech recognition rozpoznávání slov.

Vědci kombinovali fotonové struktury s materiály s fázovou změnou (PSC) jako energeticky účinnými úložnými prvky. PCM se běžně používají při optickém ukládání dat na disky DVD nebo BluRay. V novém procesoru umožňuje uložit և maticové prvky bez nutnosti napájení. Münsterští fyzici použili frekvenční hřeben na bázi čipů jako světelný zdroj k množení matic přes více datových sad. Frekvenční hřeben poskytuje řadu optických vlnových délek, které jsou zpracovávány nezávisle na stejném fotonovém čipu. Ve výsledku umožňuje vypočítat všechny vlnové délky současně pomocí vysoce paralelního zpracování dat, známého také jako násobení vlnové délky. „Naše studie jako první využívá frekvenční hřebeny v oblasti umělých neuronových sítí,“ říká Wolfram Pernis.

Během experimentu fyzici používali takzvanou konvoluční neuronovou síť k rozpoznávání ručně psaných čísel. Tyto sítě představují koncept ve strojovém učení inspirovaný biologickými procesy. Používají se hlavně při zpracování obrazových nebo zvukových dat, protože mají v současné době nejvyšší přesnost klasifikace. „Křečové působení mezi jedním nebo více vstupními filtry, což mohou být například okraje fotografie, lze velmi dobře přenést do naší maticové architektury,“ vysvětluje Johannes Feldman, hlavní autor studie. „Použití světla pro přenos signálu umožňuje procesoru paralelně zpracovávat data multiplexováním vlnové délky, což má za následek mnohonásobné zvýšení hustoty matice pouze jednou. „Na rozdíl od tradiční elektroniky, která obvykle pracuje v pásmu nízkých GHz, lze rychlosti optické modulace dosáhnout v rozsahu 50 až 100 GHz.“ To znamená, že proces umožňuje výpočetní hustoty datových rychlostí that, tj. Operace v jedné oblasti procesoru, které tam dosud nebyly.

Výsledky mají širokou škálu aplikací. Například v oblasti umělé inteligence lze zpracovat více dat současně, což šetří energii. Použití větších neuronových sítí umožňuje přesnější, dosud nedostupnou a přesnější analýzu dat. Například fotonové procesory podporují vyhodnocení velkého množství dat v lékařské diagnostice, jako jsou 3D data s vysokým rozlišením produkovaná speciálními zobrazovacími technikami. Další aplikace se týkají samohybných vozidel, která závisí na rychlém և rychlém vyhodnocení dat ze senzorů, jako je infrastruktura informačních technologií, jako je cloud computing, který poskytuje úložiště, výpočetní výkon nebo aplikační software.

Chcete-li se o tomto výzkumu dozvědět více, přečtěte si AI, která podporuje paralelní konvoluční procesory založené na světle.

Odkaz. Pro. Feldman, N. Youngblood, M .; Karpov, H. Gehring, Kh. Lee, M. Steppery, M. Le Gallo, Kh. Fu, A. Lukaščuk, AS Raja, J. Liu, CD Wright, A. Sebastian, TJ Kippenberg, WHP Pernice a H. Bhaskaran, 6. ledna 2021, Příroda:,
DOI: 10.1038 / s41586-020-03070-1:

Výzkumní partneři. Kromě výzkumných pracovníků na univerzitě v Münsteru byli zapojeni také vědci z Oxfordské univerzity v Exeteru, University of Pittsburgh, Lcole Polytechnique Fédérale (EPFL) ve švýcarském Lausanne և Výzkumná laboratoř IBM v Curychu.

Financování. Studie byla financována Evropskou radou pro výzkum EU Comp FunComp (ERC grant PINQS).

Related articles

Comments

LEAVE A REPLY

Please enter your comment!
Please enter your name here

Share article

Latest articles

Vědci navrhují vzorky tekutých krystalů s vlastním pohonem

Nový výzkum ukazuje, že pohyb tekutých krystalů lze použít k nasměrování vývoje autonomních materiálů, které dokáží snímat vstupy, zesilovat signály a dokonce vypočítávat informace....

Činnosti v rizikových kruzích mozku mohou předpovídat změny cen akcií

Podle Společnost pro neurovědy 8. března 2021 Celý mozek potvrzuje, že aktivita v predikovaných oblastech předpovídá směr a skloňování ceny akcií. Nahoře, směr ceny akcií:...

Nenásytná poptávka po konopí vytváří obrovskou uhlíkovou stopu

Emise skleníkových plynů z životního cyklu pěstování konopí modelované v USA po celém světě Uznání: Hailey Summers / Colorado State University Vědci z Colorado State...

Hubble objevil nádhernou hvězdnou školku

po Evropská kosmická agentura / Hubble 8. března 2021 AFGL 5180, školka krásných hvězd v souhvězdí Blíženců (Gemini), byla zachycena Hubbleovým kosmickým dalekohledem. Poděkování: ESA /...

Biologové a matematici z MIT odhalují, jak se vajíčka tak zvětšují

Zasunuté ošetřovatelské buňky ovocných mušek vytlačují jejich obsah do velké vaječné buňky. Uznání: Jasmine Imran Elsus Růst vajec závisí na fyzikálních jevech, které brání...

Newsletter

Subscribe to stay updated.