የፎቶኒክ የተቀናጁ ወረዳዎች ወይም ኦፕቲካል ቺፖች ከኤሌክትሮኒካዊ አቻዎቻቸው እንደ ዝቅተኛ የኃይል ፍጆታ እና የኮምፒዩተር መዘግየትን የመሳሰሉ ብዙ ጥቅሞችን የመስጠት አቅም አላቸው። ለዚህም ነው ብዙ ተመራማሪዎች በማሽን መማሪያ ተግባራት እና አርቲፊሻል ኢንተለጀንስ (AI) መፈጠር እጅግ በጣም ውጤታማ ሊሆኑ እንደሚችሉ ያምናሉ። ኢንቴል እንዲሁ በዚህ አካባቢ የሲሊኮን ፎቶኒክስ አጠቃቀም ትልቅ ተስፋዎችን ይመለከታል። የተመራማሪዎች ቡድን በ
በቅርብ ጊዜ ውስጥ
የኢንቴል አዲስ ጥናት ያተኮረው የተለያዩ የኦፕቲካል ቺፖችን በማምረት ወቅት የሚገጥማቸው ጉድለት በሚፈጠርበት ጊዜ ነው (ምክንያቱም የስሌት ፎቶኒክስ በተፈጥሮው አናሎግ ነው) በተለያዩ ተመሳሳይ አይነት ቺፖች መካከል ያለውን የሂሳብ ትክክለኛነት ልዩነት ይፈጥራል። ምንም እንኳን ተመሳሳይ ጥናቶች ቀደም ሲል ተካሂደዋል, ቀደም ባሉት ጊዜያት ሊከሰቱ የሚችሉትን ስህተቶች ለማስወገድ በድህረ-ምርት ማመቻቸት ላይ የበለጠ ትኩረት አድርገዋል. ነገር ግን ይህ አካሄድ ኔትወርኮች እየሰፋ እና እየጨመሩ በሄዱ መጠን የጨረር ኔትወርኮችን ለማቀናበር ብዙ የማቀናበር ሃይል እንዲኖር ስለሚያደርግ ደካማ መጠነ ሰፊነት አለው። ኢንቴል ከድህረ-ማምረቻ ማመቻቸት ይልቅ ጫጫታ መቋቋም የሚችል አርክቴክቸር በመጠቀም ከመሰራቱ በፊት የአንድ ጊዜ ቺፕስ የስልጠና እድልን ተመልክቷል። የማመሳከሪያው ኦፕቲካል ነርቭ አውታር አንድ ጊዜ የሰለጠኑ ሲሆን ከዚያ በኋላ የሥልጠና መለኪያዎች በበርካታ በተፈጠሩ የአውታረ መረብ ሁኔታዎች ላይ ተከፋፍለዋል በክፍላቸው ልዩነት.
የኢንቴል ቡድን በMZI ላይ የተመሰረቱ አርቴፊሻል ኢንተለጀንስ ስርዓቶችን ለመገንባት ሁለት አርክቴክቸርን ተመልክቷል፡ GridNet እና FFTNet። GridNet MZIን ሊገመት በሚችል ፍርግርግ ያስቀምጣቸዋል፣ FFTNet ደግሞ በቢራቢሮ ንድፍ ያስቀምጣቸዋል። ተመራማሪዎቹ ሁለቱንም በእጅ የተጻፈ አሃዛዊ እውቅና ጥልቅ ትምህርት ማመሳከሪያ ተግባር (MNIST) ማስመሰሎችን ካሰለጠኑ በኋላ ግሪድኔት ከኤፍኤፍቲኔት (98 በመቶ በላይ ከ95%) የበለጠ ትክክለኛነት እንዳሳየ ደርሰውበታል፣ ነገር ግን የኤፍኤፍቲኔት አርክቴክቸር "በከፍተኛ ደረጃ የበለጠ ጠንካራ" ነበር። በእርግጥ, የ GridNet አፈጻጸም ሰው ሠራሽ ጫጫታ ጋር (የጨረር ቺፕስ ምርት ውስጥ በተቻለ ጉድለቶች አስመስለው ያለውን ጣልቃ) ጋር ከ 50% በታች ወደቀ FFTNet ለ ማለት ይቻላል ቋሚ ቀረ.
ሳይንቲስቶቹ ምርምራቸው ለ AI የስልጠና ዘዴዎች መሰረት ይጥላል, ይህም ከተመረቱ በኋላ የኦፕቲካል ቺፖችን ማስተካከል አስፈላጊነትን ለማስወገድ እና ጠቃሚ ጊዜን እና ሀብቶችን ይቆጥባል.
የኢንቴል AI ምርት ቡድን ዋና ዳይሬክተር የሆኑት ካሲሚር ዊርዚንስኪ “እንደማንኛውም የማምረት ሂደት ፣ የተወሰኑ ጉድለቶች ይከሰታሉ ፣ ይህ ማለት በቺፕስ መካከል ትናንሽ ልዩነቶች ይኖራሉ ፣ እና እነዚህ በስሌቶቹ ትክክለኛነት ላይ ተጽዕኖ ያሳድራሉ” ሲሉ ጽፈዋል። "የጨረር ነርቭ አካላት የ AI ሃርድዌር ስነ-ምህዳር ጠቃሚ አካል ከሆኑ ወደ ትላልቅ ቺፕስ እና የኢንዱስትሪ ማምረቻ ቴክኖሎጂዎች መሄድ አለባቸው። የኛ ጥናት እንደሚያሳየው ትክክለኛውን የስነ-ህንፃ መምረጥ ከፊት ለፊት ያለው ቺፖች የሚፈለገውን አፈፃፀም የማምረት ዕድሉን በከፍተኛ ሁኔታ ሊጨምር ይችላል፣ የአምራችነት ልዩነት ቢኖርም” ብሏል።
ኢንቴል በዋነኛነት ምርምር እያደረገ ሳለ፣ MIT ፒኤችዲ Yichen Shen በቦስተን ላይ የተመሰረተ ጅምር ላይትልጀንስን የመሰረተ ሲሆን ይህም 10,7 ሚሊዮን ዶላር በቬንቸር ካፒታል ፈንድ እና ድጋፍ አድርጓል።
ምንጭ: 3dnews.ru