Circuitele integrate fotonice, sau cipurile optice, pot oferi multe avantaje față de omologii lor electronici, cum ar fi consumul redus de energie și latența redusă în calcul. De aceea, mulți cercetători cred că acestea pot fi extrem de eficiente în sarcinile de învățare automată și inteligență artificială (AI). Intel vede, de asemenea, perspective mari pentru utilizarea fotonicii cu siliciu în această direcție. Echipa ei de cercetare în tehnici noi detaliate care ar putea aduce rețelele neuronale optice cu un pas mai aproape de realitate.
Într-un recent , dedicat învățării automate, descrie modul în care au început cercetările în domeniul rețelelor neuronale optice. Cercetările realizate de David AB Miller și Michael Reck au demonstrat că un tip de circuit fotonic cunoscut sub numele de interferometru Mach-Zehnder (MZI) poate fi configurat pentru a efectua multiplicarea matricei 2 × 2 atunci când este plasat MZI pe o plasă triunghiulară pentru multiplicarea matricelor mari, se poate obțineți un circuit care implementează algoritmul de multiplicare matrice-vector, un calcul de bază utilizat în învățarea automată.
Noile cercetări Intel s-au concentrat asupra a ceea ce se întâmplă atunci când diferitele defecte la care cipurile optice sunt susceptibile în timpul producției (deoarece fotonica computațională este de natură analogică) provoacă diferențe de precizie de calcul între diferite cipuri de același tip. Deși au fost efectuate studii similare, în trecut acestea s-au concentrat mai mult pe optimizarea post-fabricare pentru a elimina eventualele inexactități. Dar această abordare are o scalabilitate slabă pe măsură ce rețelele devin mai mari, ceea ce duce la o creștere a puterii de calcul necesare pentru a configura rețele optice. În loc de optimizarea post-fabricare, Intel a luat în considerare antrenarea cipurilor o singură dată înainte de fabricare, utilizând o arhitectură tolerantă la zgomot. Rețeaua neuronală optică de referință a fost antrenată o dată, după care parametrii de antrenament au fost distribuiți în mai multe instanțe de rețea fabricate cu diferențe în componentele lor.
Echipa Intel a luat în considerare două arhitecturi pentru construirea de sisteme de inteligență artificială bazate pe MZI: GridNet și FFTNet. GridNet plasează în mod previzibil MZI-urile într-o grilă, în timp ce FFTNet le plasează în modele fluture. După antrenamentul pe ambele într-o simulare a sarcinii de referință de învățare profundă de recunoaștere a cifrelor scrise de mână (MNIST), cercetătorii au descoperit că GridNet a obținut o precizie mai mare decât FFTNet (98% față de 95%), dar arhitectura FFTNet a fost „semnificativ mai robustă”. De fapt, performanța GridNet a scăzut sub 50% odată cu adăugarea de zgomot artificial (interferență care simulează posibile defecte în fabricarea chipurilor optice), în timp ce pentru FFTNet a rămas aproape constantă.
Oamenii de știință spun că cercetările lor pun bazele metodelor de instruire a inteligenței artificiale care ar putea elimina necesitatea de a ajusta cipurile optice după ce sunt produse, economisind timp și resurse valoroase.
„Ca și în cazul oricărui proces de fabricație, vor apărea anumite defecte, ceea ce înseamnă că vor exista mici diferențe între cipuri care vor afecta acuratețea calculelor”, scrie Casimir Wierzynski, director senior al Intel AI Product Group. „Dacă entitățile neuronale optice vor deveni o parte viabilă a ecosistemului hardware AI, vor trebui să treacă la cipuri mai mari și la tehnologii de producție industrială. Cercetările noastre arată că alegerea arhitecturii corecte în avans poate crește semnificativ probabilitatea ca cipurile rezultate să obțină performanța dorită, chiar și în prezența variațiilor de fabricație.”
În același timp în care Intel efectuează în principal cercetări, doctorandul MIT Yichen Shen a fondat startup-ul Lightelligence din Boston, care a strâns 10,7 milioane de dolari în finanțare de risc și un prototip de cip optic pentru învățarea automată, care este de 100 de ori mai rapid decât cipurile electronice moderne și, de asemenea, reduce consumul de energie cu un ordin de mărime, ceea ce demonstrează încă o dată în mod clar promisiunea tehnologiilor fotonice.
Sursa: 3dnews.ru