Fotoniese geïntegreerde stroombane, of optiese skyfies, bied moontlik baie voordele bo hul elektroniese eweknieë, soos verminderde kragverbruik en verminderde latensie in berekening. Dit is hoekom baie navorsers glo dat hulle uiters doeltreffend kan wees in masjienleer en kunsmatige intelligensie (KI) take. Intel sien ook groot vooruitsigte vir die gebruik van silikonfotonika in hierdie rigting. Haar navorsingspan in gedetailleerde nuwe tegnieke wat optiese neurale netwerke 'n stap nader aan die werklikheid kan bring.
In 'n onlangse , gewy aan masjienleer, beskryf hoe navorsing op die gebied van optiese neurale netwerke begin het. Navorsing deur David AB Miller en Michael Reck het getoon dat 'n tipe fotoniese stroombaan bekend as 'n Mach-Zehnder interferometer (MZI) gekonfigureer kan word om 2 × 2 matriksvermenigvuldiging uit te voer wanneer MZI op 'n driehoekige maas geplaas word vir die vermenigvuldiging van groot matrikse, kan 'n mens verkry 'n stroombaan wat die matriks-vektor vermenigvuldigingsalgoritme implementeer, 'n basiese berekening wat in masjienleer gebruik word.
Nuwe Intel-navorsing het gefokus op wat gebeur wanneer verskeie defekte waarvoor optiese skyfies tydens vervaardiging vatbaar is (aangesien berekeningsfotonika analoog van aard is) verskille in berekeningsakkuraatheid tussen verskillende skyfies van dieselfde tipe veroorsaak. Alhoewel soortgelyke studies gedoen is, het hulle in die verlede meer gefokus op na-vervaardiging optimering om moontlike onakkuraathede uit te skakel. Maar hierdie benadering het swak skaalbaarheid namate netwerke groter word, wat lei tot 'n toename in die rekenaarkrag wat nodig is om optiese netwerke op te stel. In plaas van na-vervaardiging-optimalisering, het Intel dit oorweeg om skyfies een keer voor die vervaardiging te oefen deur 'n geraasverdraagsame argitektuur te gebruik. Die verwysing optiese neurale netwerk is een keer opgelei, waarna die opleidingsparameters oor verskeie vervaardigde netwerkgevalle met verskille in hul komponente versprei is.
Die Intel-span het twee argitekture oorweeg vir die bou van kunsmatige intelligensiestelsels gebaseer op MZI: GridNet en FFTNet. GridNet plaas MZI's voorspelbaar in 'n rooster, terwyl FFTNet hulle in skoenlapperpatrone plaas. Na opleiding van beide in 'n simulasie op die handgeskrewe syferherkenning diep leer maatstaf taak (MNIST), het die navorsers gevind dat GridNet hoër akkuraatheid as FFTNet bereik het (98% vs. 95%), maar die FFTNet argitektuur was "aansienlik meer robuust." Trouens, GridNet se werkverrigting het tot onder 50% gedaal met die byvoeging van kunsmatige geraas (interferensie wat moontlike defekte in optiese chip-vervaardiging simuleer), terwyl dit vir FFTNet byna konstant gebly het.
Die wetenskaplikes sê hul navorsing lê die grondslag vir kunsmatige intelligensie-opleidingsmetodes wat die behoefte kan uitskakel om optiese skyfies te verfyn nadat dit vervaardig is, wat waardevolle tyd en hulpbronne bespaar.
"Soos met enige vervaardigingsproses, sal sekere defekte voorkom wat beteken dat daar klein verskille tussen skyfies sal wees wat die akkuraatheid van die berekeninge sal beïnvloed," skryf Casimir Wierzynski, senior direkteur van Intel AI Product Group. "As optiese neurale entiteite 'n lewensvatbare deel van die KI-hardeware-ekosisteem wil word, sal hulle na groter skyfies en industriële vervaardigingstegnologieë moet beweeg. Ons navorsing toon dat die keuse van die regte argitektuur vooraf die waarskynlikheid aansienlik kan verhoog dat die gevolglike skyfies die verlangde werkverrigting sal behaal, selfs in die teenwoordigheid van vervaardigingsvariasies.”
Terselfdertyd dat Intel hoofsaaklik navorsing doen, het MIT PhD-kandidaat Yichen Shen die Boston-gebaseerde opstart Lightelligence gestig, wat $10,7 miljoen aan ondernemingsbefondsing ingesamel het en 'n prototipe optiese skyfie vir masjienleer wat 100 keer vinniger as moderne elektroniese skyfies is en ook kragverbruik met 'n orde van grootte verminder, wat weereens duidelik die belofte van fotoniese tegnologie demonstreer.
Bron: 3dnews.ru