د فوټونک مدغم سرکیټونه ، یا آپټیکل چپس ، په احتمالي توګه د دوی بریښنایی همکارانو کې ډیری ګټې وړاندیز کوي ، لکه د بریښنا مصرف کمول او په محاسبه کې د ځنډ کمول. له همدې امله ډیری څیړونکي پدې باور دي چې دوی د ماشین زده کړې او مصنوعي استخباراتو (AI) کارونو کې خورا اغیزمن کیدی شي. انټیل په دې لار کې د سیلیکون فوټونیک کارولو لپاره عالي امکانات هم ګوري. د هغې څیړنې ټیم په تفصيلي نوي تخنیکونه چې کولی شي نظري عصبي شبکې واقعیت ته یو ګام نږدې کړي.
په دې وروستیو کې د ماشین زده کړې ته وقف شوی، تشریح کوي چې څنګه د نظری عصبي شبکو په ساحه کې څیړنه پیل شوه. د ډیویډ AB میلر او مایکل ریک لخوا څیړنې ښودلې چې د فوتونیک سرکټ یو ډول چې د مچ-زیندر انټرفیرومیټر (MZI) په نوم پیژندل کیږي د 2 × 2 میټریکس ضرب کولو لپاره تنظیم کیدی شي کله چې MZI د لوی میټریکونو ضرب کولو لپاره په مثلث میش کې کیښودل شي ، یو څوک کولی شي. یو سرکټ ترلاسه کړئ چې د میټریکس-ویکٹر ضرب الګوریتم پلي کوي، یو اساسي محاسبه چې د ماشین زده کړې کې کارول کیږي.
د انټیل نوې څیړنه پدې تمرکز کوي چې څه پیښیږي کله چې مختلف نیمګړتیاوې چې نظری چپس د تولید پرمهال حساس وي (ځکه چې کمپیوټري فوټونیک په طبیعت کې انلاګ دی) د ورته ډول مختلف چپسونو ترمینځ د کمپیوټري دقت کې توپیر لامل کیږي. که څه هم ورته مطالعات ترسره شوي، په تیرو کې دوی د ممکنه غلطۍ له منځه وړلو لپاره د تولید وروسته اصلاح کولو باندې ډیر تمرکز کړی. مګر دا طریقه ضعیف پیمانه لري ځکه چې شبکې لوی کیږي، په پایله کې د کمپیوټري ځواک زیاتوالی د نظری شبکو د جوړولو لپاره اړین دی. د جوړیدو وروسته اصلاح کولو پرځای ، انټیل د شور برداشت کونکي جوړښت په کارولو سره د تولید دمخه یو ځل د روزنې چپس په پام کې نیولی. د حوالې نظری عصبي شبکه یو ځل روزل شوې وه، وروسته له هغې چې د روزنې پیرامیټونه د دوی په برخو کې د توپیرونو سره په ډیری جعلي شبکې مثالونو کې ویشل شوي.
د Intel ټیم د MZI پر بنسټ د مصنوعي استخباراتو سیسټمونو جوړولو لپاره دوه جوړښتونه په پام کې نیولي: GridNet او FFTNet. GridNet د وړاندوینې وړ MZIs په گرډ کې ځای په ځای کوي ، پداسې حال کې چې FFTNet دوی په تیتلیانو کې ځای په ځای کوي. د لاس لیکل شوي ډیجیټ پیژندنې ژورې زده کړې بنچمارک ټاسک (MNIST) کې په سمولیشن کې د روزنې وروسته ، څیړونکو وموندله چې GridNet د FFTNet (98% vs. 95%) په پرتله لوړ دقت ترلاسه کړی ، مګر د FFTNet جوړښت "د پام وړ ډیر پیاوړی" و. په حقیقت کې، د GridNet فعالیت د مصنوعي شور اضافه کولو سره د 50٪ څخه ښکته راوتلی (مداخله چې د آپټیکل چپ تولید کې ممکنه نیمګړتیاوې رامینځته کوي)، پداسې حال کې چې د FFTNet لپاره دا تقریبا ثابت پاتې دی.
ساینس پوهان وايي چې د دوی څیړنې د مصنوعي استخباراتو روزنې میتودونو لپاره بنسټ ایښی چې کولی شي د تولید وروسته د نظری چپسونو د ښه کولو اړتیا له منځه یوسي، ارزښتناکه وخت او سرچینې خوندي کړي.
"لکه څنګه چې د هرې تولیدي پروسې سره، ځینې نیمګړتیاوې به واقع شي پدې معنی چې د چپس ترمنځ به کوچني توپیرونه وي چې د محاسبې په دقت به اغیزه وکړي،" کیسمیر ویرزینسکي لیکي، د Intel AI محصول ګروپ مشر رییس. "که نظري عصبي ادارې د AI هارډویر ایکوسیستم یوه ګټوره برخه شي ، نو دوی به اړتیا ولري لوی چپس او صنعتي تولید ټیکنالوژیو ته لاړ شي. زموږ څیړنې ښیې چې د سم جوړښت غوره کول د پام وړ احتمال ډیرولی شي چې پایله لرونکي چپس به مطلوب فعالیت ترلاسه کړي ، حتی د تولید بدلونونو شتون کې.
په ورته وخت کې چې Intel په ابتدايي توګه څیړنه ترسره کوي، د MIT پی ایچ ډی کاندید ییچین شین د بوستون میشته لایټلیجینس پیل کړی، کوم چې د 10,7 ملیون ډالر د پانګونې تمویل او پانګونې کې راټول کړي دي. د ماشین زده کړې لپاره یو پروټوټایپ آپټیکل چپ چې د عصري بریښنایی چپسونو په پرتله 100 ځله ګړندی دی او د بریښنا مصرف هم د اندازې په ترتیب سره کموي ، کوم چې یوځل بیا د فوټونیک ټیکنالوژیو ژمنې په څرګند ډول ښیې.
سرچینه: 3dnews.ru