Hello Guest

Sign In / Register

Welcome,{$name}!

/ Deconectare
românesc
EnglishDeutschItaliaFrançais한국의русскийSvenskaNederlandespañolPortuguêspolskiSuomiGaeilgeSlovenskáSlovenijaČeštinaMelayuMagyarországHrvatskaDanskromânescIndonesiaΕλλάδαБългарски езикGalegolietuviųMaoriRepublika e ShqipërisëالعربيةአማርኛAzərbaycanEesti VabariikEuskera‎БеларусьLëtzebuergeschAyitiAfrikaansBosnaíslenskaCambodiaမြန်မာМонголулсМакедонскиmalaɡasʲພາສາລາວKurdîსაქართველოIsiXhosaفارسیisiZuluPilipinoසිංහලTürk diliTiếng ViệtहिंदीТоҷикӣاردوภาษาไทยO'zbekKongeriketবাংলা ভাষারChicheŵaSamoaSesothoCрпскиKiswahiliУкраїнаनेपालीעִבְרִיתپښتوКыргыз тилиҚазақшаCatalàCorsaLatviešuHausaગુજરાતીಕನ್ನಡkannaḍaमराठी
Acasă > Știri > Cercetătorii MIT dezvoltă noi chipsuri "fotonice"

Cercetătorii MIT dezvoltă noi chipsuri "fotonice"

Acum câteva zile, cercetătorii MIT au dezvoltat un nou cip "foton" care utilizează lumină în loc de energie electrică și consumă o putere relativ mică în acest proces. Cipul este utilizat pentru a procesa rețele neuronale de mari dimensiuni cu o eficiență de milioane de ori mai mare decât computerele existente. Rezultatele simulării arată că cipul fotonic rulează de 10 milioane de ori mai eficient decât cipul electronic. Rețelele neuronale sunt modele de învățare mecanică care sunt utilizate pe scară largă pentru recunoașterea țintelor robotului, prelucrarea limbajului natural, dezvoltarea de medicamente, imagistica medicală și conducerea vehiculelor fără pilot. Noile rețele optice neuronale care utilizează fenomene optice pentru a accelera calculele pot funcționa mai rapid și mai eficient decât alte omologi electronici. Dar, deoarece rețelele neuronale tradiționale și rețelele neuronale optice devin mai complexe, consumă o mulțime de energie. Pentru a rezolva această problemă, cercetătorii și companiile majore de tehnologie, printre care Google, IBM și Tesla, au dezvoltat "Acceleratoare de inteligență artificială", un chip specializat care îmbunătățește viteza și eficiența instruirii și testarea rețelelor neuronale.


Pentru cipurile electronice, inclusiv majoritatea acceleratoarelor de inteligență artificială, există o limită teoretică minimă a consumului de energie. Recent, cercetătorii MIT au început să dezvolte acceleratoare fotonice pentru rețele neuronale optice. Aceste cipuri sunt ordine de mărime mai eficiente, dar se bazează pe componente optice voluminoase care le limitează utilizarea în rețele neuronale relativ mici.

Într-o lucrare publicată în revista Physical Review X, cercetătorii MIT au descris un nou tip de accelerator foton care utilizează tehnici optice mai compacte și tehnici de prelucrare a semnalelor optice pentru a reduce dramatic consumul de energie și zona de deces. Acest lucru permite ca cipul să ajungă la rețeaua neuronală, care este o ordine de mărime mai mare decât cipul corespunzător.

10 milioane de ori mai mici decât limita energetică a acceleratoarelor electronice tradiționale

Formarea de simulare a rețelei neuronale din setul de date MNIST arată că acceleratorul poate procesa teoretic rețeaua neuronală, care este de 10 milioane de ori mai mică decât limita de energie a acceleratorului de electroni tradițional și de 1000 de ori mai mică decât limita de energie a acceleratorului de fotoni . Cercetătorii lucrează acum la un cip prototip pentru a testa rezultatele.

"Oamenii caută o tehnologie care să poată calcula dincolo de limita de bază a energiei", a declarat Ryan Hamerly, un coleg post-doctoral la Laboratorul de Cercetare Electronică. "Acceleratorul de fotoni este promițător ... dar motivația noastră este să construim un accelerator foton extins la rețele neuronale mari".

Aplicațiile practice ale acestor tehnologii includ reducerea consumului de energie în centrul de date. Cererea de centre de date care rulează rețele neuronale mari crește și, pe măsura creșterii cererii, devine din ce în ce mai greu de calculat ", a spus Alexander Sludds, co-autor și absolvent al laboratorului de cercetare electronică. Hardware-ul de rețea satisface nevoile de calcul ... pentru a aborda blocajele în consumul de energie și latență. "

Co-autoare cu Sludds și Hamerly: student absolvent al RLE, co-autor Liane Bernstein; Profesorul de fizică MIT Marin Soljacic; MIT profesor asociat de inginerie electrică și informatică Dirk Englund; un cercetător al LES și șef al Laboratorului cuantic fotonică.

Bazați-vă pe o soluție "fotovoltaică" mai compactă și mai eficientă din punct de vedere energetic

Rețeaua neuronală procesează datele printr-un număr de straturi computaționale care conțin noduri interconectate (numite "neuroni") pentru a găsi modele în date. Neuronul primește date de la vecinul său din amonte și calculează un semnal de ieșire care este trimis către neuronii din aval. Fiecare intrare este de asemenea atribuită o "greutate", o valoare bazată pe importanța sa relativă pentru toate celelalte intrări. Pe măsură ce datele se răspândesc "în profunzime" între straturi, rețeaua învață informații mai complexe. În cele din urmă, stratul de ieșire generează o predicție bazată pe calculul întregului strat.

Scopul tuturor acceleratorilor de inteligență artificială este de a reduce energia necesară procesării și mutării datelor într-un anumit pas algebric liniar într-o rețea neurală numită "multiplicare matriceală". Acolo, neuronii și greutățile sunt codificați în rânduri și liste separate, care apoi sunt combinate pentru a calcula rezultatul.

Într-un accelerator foton convențional, laserul cu impulsuri codifică informații despre fiecare neuron într-un strat și apoi curge în ghidul de undă și prin splitter-ul fasciculului. Semnalul optic rezultat este introdus într-o rețea de elemente optice pătrat numită "Interferometru Mach-Zehnder" programat pentru a efectua multiplicarea matricei. Interferometrul codifică cu fiecare greutate de informație și utilizează tehnica de interferență a semnalelor care procesează semnalele optice și valorile de greutate pentru a calcula producția fiecărui neuron. Dar există o problemă de scalare: pentru fiecare neuron, trebuie să existe un ghid de undă, iar pentru fiecare greutate trebuie să existe un interferometru. Deoarece cantitatea de greutate este proporțională cu numărul de neuroni, aceste interferometre ocupă mult spațiu.

"Veți realiza în curând că numărul de neuroni de intrare nu va depăși niciodată 100, deoarece nu puteți instala cât mai multe componente pe cip", a spus Hamerly. "Dacă acceleratorul fotonului nu poate manipula mai mult de 100 de straturi pe strat." Neuronii, este dificil să se aplice rețelelor neuronale mari acestei structuri. "

Chipsurile cercetătorilor se bazează pe o schemă "fotovoltaică" mai compactă, mai eficientă din punct de vedere energetic, care utilizează semnale optice pentru a codifica datele, dar utilizează "detectarea echilibrată a homodinelor" pentru multiplicarea matricelor. Aceasta este o tehnică pentru generarea unui semnal electric măsurabil după calcularea produsului amplitudinii (înălțimea valului) a două semnale optice.


Neuronii de intrare și ieșire a informației cu impuls optic al fiecărui strat de rețea neuronală - folosit pentru treningul rețelei - curge printr-un singur canal. Impulsuri individuale codificate cu întregul rând de informații despre greutate în fluxul matricei de multiplicare prin canale separate. Datele privind neuronul și greutatea sunt transmise semnalului optic al grila fotodetectorului homodin. Fotodetectorul utilizează amplitudinea semnalului pentru a calcula valoarea de ieșire a fiecărui neuron. Fiecare detector introduce un semnal electric de ieșire pentru fiecare neuron într-un modulator care transformă semnalul înapoi într-un impuls de lumină. Semnalul de lumină devine intrarea în următorul strat și așa mai departe.

Acest design necesită doar un canal per neuron de intrare și ieșire și necesită doar cât mai mulți fotodetectoare homodyne ca neuronul, fără a fi nevoie de greutate. Deoarece numărul de neuroni este întotdeauna mult mai mic decât greutatea, acest lucru economisește mult spațiu, astfel încât cipul poate fi extins la o rețea neurală cu mai mult de un milion de neuroni per strat.

Găsiți cea mai bună locație

Cu un accelerator de fotoni, în semnal există un zgomot inevitabil. Cu cât mai multă lumină este injectată în chip, cu atât mai puțin zgomot și cu cât este mai mare precizia - dar poate fi foarte ineficientă. Cu cât lumina de intrare este mai mică, cu atât este mai mare eficiența, dar va avea un impact negativ asupra performanței rețelei neuronale. Dar există un "cel mai bun punct", a spus Bernstein, care folosește cea mai mică putere optică menținând acuratețea.

Poziția optimă a acceleratorului inteligenței artificiale se măsoară cu câte jouli sunt necesare pentru a efectua o singură operație de multiplicare a două numere (cum ar fi multiplicarea matricelor). Astăzi, acceleratoarele tradiționale sunt măsurate cu picojoule sau terajoule. Acceleratorul de fotoni se măsoară la totujoule și este de un milion de ori mai eficient. În simulare, cercetătorii au descoperit că acceleratoarele fotonice pot funcționa la mai puțin de attojoule. "Înainte de a pierde precizia, puteți trimite o putere optică minimă. Limitele de bază ale cipurilor noastre sunt mult mai mici decât acceleratoarele tradiționale ... și mai mici decât alte acceleratoare fotonice", a spus Bernstein.