Çipat e fotonëve të integruar ose çipat optikë potencialisht kanë shumë avantazhe në krahasim me analogët e tyre elektronikë, si ulja e konsumit të energjisë dhe reduktimi i vonesave në llogaritje. Kjo është arsyeja pse shumë kërkues besojnë se ata mund të jenë shumë efektivë në detyrat e mësimit makinerik dhe krijimin e inteligjencës artificiale (IA). Kompania Intel gjithashtu sheh mundësi të mëdha për aplikimin e fotonikës silikoni në këtë drejtim. Grupi i kërkuesve të saj në përshkruan në detaje metodat e reja që mund të afrojnë rrjetet optike neuronale një hap më afër realitetit.
Në një publikim të fundit , i kushtuar mësimit makinerik, tregohet se si filluan kërkimet në fushën e rrjeteve neuronale optike. Punimet shkencore të David Miller (David A. B. Miller) dhe Michael Reck demonstruan se një tip i zinxhirit fotonik, i njohur si interferometri Mach-Zehnder (MZI), mund të konfigurohet për të kryer shumëzimin e matricave 2 × 2, dhe nëse MZI vendoset në një rrjet trekëndësh për të shumëzuar matricat e mëdha, mund të arrihet një skemë që realizon algoritmin e shumëzimit të matricës me vektor — llogaritja bazë e përdorur në mësimin makinerik.
Një studim i ri i Intel u përqendrua në studimin se çfarë ndodh kur shfaqen defekte të ndryshme, të cilat prekin çipat optikë gjatë prodhimit (pasi fotonika kompjuterike është natyrisht analogjike), duke shkaktuar dallime në saktësinë e llogaritjeve midis çipave të njëjtë. Megjithëse kërkime të tilla janë kryer më parë, ato ishin përqendruar më shumë në optimizimin pas prodhimit për të eliminuar të mundshmet pasaktësi. Por ky qasje ka një shkallëzueshmëri të dobët, pasi rrjetet bëhen gjithnjë e më të mëdha, duke shkaktuar rritjen e fuqisë llogaritëse të nevojshme për të konfiguruar rrjetet optike. Në vend të optimizimit pas prodhimit, Intel shqyrtoi mundësinë e një here që çipat të mësohen para prodhimit përmes përdorimit të një arkitekture të qëndrueshme ndaj ndërhyrjeve. Një rrjet neuronale optik referencë u strehua një herë, pas së cilës parametrat e mësimit u shpërndanë në disa raste të fabrikimeve të rrjetit me dallime në komponentët e tyre.
Ekipa e Intel shqyrtoi dy arkitektura për ndërtimin e sistemeve të inteligjencës artificiale mbi bazën e MZI: GridNet dhe FFTNet. GridNet parashikueshëm vendos MZI në një rrjet, ndërsa FFTNet i vendos ato në formën e "fluturave". Pas mësimit të të dyjave në simulimin e një detyre referuese të mësimit të thellë të njohjes së shkrimit të dorës (MNIST), kërkuesit zbuluan se GridNet arriti një saktësi më të lartë se FFTNet (98% kundrejt 95%), por arkitektura FFTNet doli të ishte "ndjeshëm më e besueshme". Në fakt, performanca e GridNet ra nën 50% me shtimin e zhurmës artificiale (ndërhyrje që imitojnë defektet e mundshme gjatë prodhimit të çipave optikë), ndërsa për FFTNet ajo mbeti pothuajse konstante.
Shkencëtarët pretendojnë se studimet e tyre vendosin themelin për metodat e mësimit të inteligjencës artificiale që do të ndihmojnë në eliminimin e nevojës për rregullimin e çipave optikë pas prodhimit, duke kursyer kohë dhe burime të çmuara.
"Siç ndodh në çdo proces prodhimi, shfaqen defekte të caktuara, të cilat do të thotë se midis çipave do të jenë diferenca të vogla, dhe ato do të ndikojnë në saktësinë e llogaritjeve," shkruan drejtori i lartë i grupit të produkteve Intel IA, Kazimir Wierzynski (Casimir Wierzynski). "Nëse substancat neuronale optike do të bëhen një pjesë e jetueshme e ekosistemit harduerik të inteligjencës artificiale, ata do t'i kërkojnë të kalojnë në çipa më të mëdhenj dhe teknologji prodhimi industriale. Kërkimet tona tregojnë se zgjedhja e arkitekturës së duhur paraprakisht mund të rrisë ndjeshëm mundësitë që çipat e marrë të arrijnë performancën e dëshiruar edhe në prani të variacioneve të prodhimit."
Ndërkohë, ndërsa Intel kryesisht kryen kërkime, kandidati për doktoraturë të shkencave fiziko-matematikore nga Instituti Teknologjik i Masaçusetsit, Yichen Shen (Yichen Shen), filloi një startup, Lightelligence, që bazohet në Boston, i cili ka tërhequr financim nga kapitali rrezikues prej 10.7 milion dollarësh dhe prototip i çipit optik për mësimin makina, i cili është 100 herë më i shpejtë se çipet elektronike moderne dhe gjithashtu redukton ndjeshëm konsumimin e energjisë, duke demonstruar edhe një herë potencialin e teknologjive fotonike.
Burimi: 3dnews.ru
