Intel កំពុងធ្វើការលើបន្ទះឈីបអុបទិកសម្រាប់ AI កាន់តែមានប្រសិទ្ធភាព

សៀគ្វីរួមបញ្ចូលគ្នា Photonic ឬបន្ទះសៀគ្វីអុបទិក មានសក្តានុពលផ្តល់នូវគុណសម្បត្តិជាច្រើនលើសមភាគីអេឡិចត្រូនិចរបស់ពួកគេ ដូចជាកាត់បន្ថយការប្រើប្រាស់ថាមពល និងកាត់បន្ថយភាពយឺតយ៉ាវក្នុងការគណនា។ នោះហើយជាមូលហេតុដែលអ្នកស្រាវជ្រាវជាច្រើនជឿថាពួកគេអាចមានប្រសិទ្ធភាពខ្លាំងក្នុងការរៀនម៉ាស៊ីន និងកិច្ចការបញ្ញាសិប្បនិម្មិត (AI)។ ក្រុមហ៊ុន Intel ក៏មើលឃើញការរំពឹងទុកដ៏អស្ចារ្យសម្រាប់ការប្រើប្រាស់ silicon photonics ក្នុងទិសដៅនេះ។ ក្រុមស្រាវជ្រាវរបស់នាងនៅ អត្ថបទវិទ្យាសាស្ត្រ បច្ចេកទេសថ្មីលម្អិត ដែលអាចនាំបណ្តាញសរសៃប្រសាទអុបទិក មួយជំហានខិតទៅជិតការពិត។

នាពេលថ្មីៗនេះ ប្រកាសប្លក់របស់ Intelឧទ្ទិសដល់ការរៀនម៉ាស៊ីន ពិពណ៌នាអំពីរបៀបដែលការស្រាវជ្រាវក្នុងវិស័យបណ្តាញសរសៃប្រសាទអុបទិកបានចាប់ផ្តើម។ ការស្រាវជ្រាវដោយ David AB Miller និង Michael Reck បានបង្ហាញថាប្រភេទនៃសៀគ្វី photonic ដែលគេស្គាល់ថាជា Mach-Zehnder interferometer (MZI) អាចត្រូវបានកំណត់រចនាសម្ព័ន្ធដើម្បីអនុវត្តការគុណម៉ាទ្រីស 2 × 2 នៅពេលដាក់ MZI នៅលើសំណាញ់ត្រីកោណសម្រាប់គុណម៉ាទ្រីសធំ។ ទទួលបានសៀគ្វីដែលអនុវត្តក្បួនដោះស្រាយការគុណម៉ាទ្រីស-វ៉ិចទ័រ ដែលជាការគណនាជាមូលដ្ឋានដែលប្រើក្នុងការរៀនម៉ាស៊ីន។

ការស្រាវជ្រាវថ្មីរបស់ Intel បានផ្តោតលើអ្វីដែលកើតឡើងនៅពេលដែលមានពិការភាពផ្សេងៗដែលបន្ទះឈីបអុបទិកងាយនឹងកើតមានក្នុងអំឡុងពេលផលិត (ចាប់តាំងពីការថតរូបភាពមានលក្ខណៈស្រដៀងគ្នានៅក្នុងធម្មជាតិ) បណ្តាលឱ្យមានភាពខុសគ្នានៅក្នុងភាពត្រឹមត្រូវនៃការគណនារវាងបន្ទះឈីបផ្សេងគ្នានៃប្រភេទដូចគ្នា។ ទោះបីជាការសិក្សាស្រដៀងគ្នានេះត្រូវបានធ្វើឡើងក៏ដោយ នាពេលកន្លងមក ពួកគេបានផ្តោតការយកចិត្តទុកដាក់បន្ថែមទៀតលើការបង្កើនប្រសិទ្ធភាពក្រោយការកែច្នៃ ដើម្បីលុបបំបាត់ភាពមិនត្រឹមត្រូវដែលអាចកើតមាន។ ប៉ុន្តែវិធីសាស្រ្តនេះមានលទ្ធភាពធ្វើមាត្រដ្ឋានមិនល្អ ដោយសារបណ្តាញកាន់តែធំ ដែលបណ្តាលឱ្យមានការកើនឡើងនៃថាមពលកុំព្យូទ័រដែលត្រូវការក្នុងការដំឡើងបណ្តាញអុបទិក។ ជំនួសឱ្យការបង្កើនប្រសិទ្ធភាពក្រោយការផលិត ក្រុមហ៊ុន Intel បានពិចារណាលើបន្ទះឈីបបណ្តុះបណ្តាលតែម្តង មុនពេលផលិតដោយប្រើស្ថាបត្យកម្មដែលធន់នឹងសំឡេង។ បណ្តាញសរសៃប្រសាទអុបទិកយោងត្រូវបានបណ្តុះបណ្តាលម្តង បន្ទាប់ពីនោះប៉ារ៉ាម៉ែត្របណ្តុះបណ្តាលត្រូវបានចែកចាយនៅទូទាំងបណ្តាញប្រឌិតជាច្រើនដែលមានភាពខុសគ្នានៅក្នុងសមាសធាតុរបស់វា។

ក្រុម Intel បានពិចារណាស្ថាបត្យកម្មពីរសម្រាប់ការកសាងប្រព័ន្ធបញ្ញាសិប្បនិម្មិតដោយផ្អែកលើ MZI: GridNet និង FFTNet ។ GridNet ព្យាករណ៍ទុក MZIs នៅក្នុងក្រឡាចត្រង្គមួយ ខណៈដែល FFTNet ដាក់ពួកវានៅក្នុងមេអំបៅ។ បន្ទាប់ពីការបណ្ដុះបណ្ដាលទាំងការក្លែងធ្វើលើការទទួលស្គាល់លេខដៃដែលសរសេរដោយដៃ (MNIST) អ្នកស្រាវជ្រាវបានរកឃើញថា GridNet ទទួលបានភាពត្រឹមត្រូវខ្ពស់ជាង FFTNet (98% ទល់នឹង 95%) ប៉ុន្តែស្ថាបត្យកម្ម FFTNet គឺ "រឹងមាំជាងគួរឱ្យកត់សម្គាល់" ។ ជាការពិត ការអនុវត្តរបស់ GridNet បានធ្លាក់ចុះក្រោម 50% ជាមួយនឹងការបន្ថែមសំឡេងរំខានសិប្បនិម្មិត (ការរំខានដែលក្លែងបន្លំការខ្វះខាតដែលអាចកើតមាននៅក្នុងការផលិតបន្ទះឈីបអុបទិក) ខណៈពេលដែលសម្រាប់ FFTNet វានៅតែមានស្ទើរតែថេរ។

អ្នកវិទ្យាសាស្ត្រនិយាយថា ការស្រាវជ្រាវរបស់ពួកគេបានចាក់គ្រឹះសម្រាប់វិធីសាស្រ្តបណ្តុះបណ្តាលបញ្ញាសិប្បនិម្មិត ដែលអាចលុបបំបាត់តម្រូវការក្នុងការកែសម្រួលបន្ទះឈីបអុបទិក បន្ទាប់ពីពួកគេត្រូវបានផលិត ដោយសន្សំសំចៃពេលវេលា និងធនធានដ៏មានតម្លៃ។

Casimir Wierzynski នាយកជាន់ខ្ពស់នៃក្រុមហ៊ុន Intel AI Product Group បានសរសេរថា "ដូចគ្នានឹងដំណើរការផលិតណាមួយ ពិការភាពមួយចំនួននឹងកើតឡើង ដែលមានន័យថានឹងមានភាពខុសគ្នាតិចតួចរវាងបន្ទះឈីបដែលនឹងប៉ះពាល់ដល់ភាពត្រឹមត្រូវនៃការគណនា" ។ “ប្រសិនបើអង្គភាពសរសៃប្រសាទអុបទិកក្លាយជាផ្នែកមួយដែលអាចដំណើរការបាននៃប្រព័ន្ធអេកូផ្នែករឹង AI នោះពួកគេនឹងត្រូវការផ្លាស់ទីទៅបន្ទះឈីបធំជាង និងបច្ចេកវិទ្យាផលិតកម្មឧស្សាហកម្ម។ ការស្រាវជ្រាវរបស់យើងបង្ហាញថា ការជ្រើសរើសស្ថាបត្យកម្មត្រឹមត្រូវអាចបង្កើនលទ្ធភាពដែលបន្ទះឈីបលទ្ធផលនឹងសម្រេចបាននូវដំណើរការដែលចង់បាន សូម្បីតែនៅក្នុងវត្តមាននៃការប្រែប្រួលនៃការផលិតក៏ដោយ។

ក្នុងពេលជាមួយគ្នាដែល Intel កំពុងធ្វើការស្រាវជ្រាវជាចម្បង បេក្ខជនបណ្ឌិត MIT លោក Yichen Shen បានបង្កើតក្រុមហ៊ុន Lightelligence ដែលមានមូលដ្ឋាននៅទីក្រុងបូស្តុន ដែលបានរៃអង្គាសប្រាក់បានចំនួន 10,7 លានដុល្លារក្នុងការបណ្តាក់ទុន និង ថ្មីៗនេះបានបង្ហាញ បន្ទះឈីបអុបទិកគំរូសម្រាប់ការរៀនម៉ាស៊ីនដែលលឿនជាងបន្ទះសៀគ្វីអេឡិចត្រូនិចទំនើប 100 ដង ហើយថែមទាំងកាត់បន្ថយការប្រើប្រាស់ថាមពលតាមលំដាប់លំដោយ ដែលបង្ហាញយ៉ាងច្បាស់ម្តងទៀតនូវការសន្យានៃបច្ចេកវិទ្យា photonic ។

ប្រភព: 3dnews.ru