Fotonik integral mikrosxemalar yoki optik chiplar o'zlarining elektron hamkasblariga nisbatan ko'plab afzalliklarni taklif qiladi, masalan, energiya sarfini kamaytirish va hisoblashda kechikishni kamaytirish. Shuning uchun ko'plab tadqiqotchilar mashinani o'rganish va sun'iy intellekt (AI) vazifalarida juda samarali bo'lishi mumkinligiga ishonishadi. Intel, shuningdek, ushbu yo'nalishda kremniy fotonikasidan foydalanishning katta istiqbollarini ko'radi. Uning tadqiqot guruhi
Yaqinda
Yangi Intel tadqiqoti optik chiplar ishlab chiqarish jarayonida sezgir bo'lgan turli nuqsonlar (hisoblash fotonikasi tabiatan analog bo'lgani uchun) bir xil turdagi turli chiplar o'rtasida hisoblash aniqligidagi farqlarni keltirib chiqarganda nima sodir bo'lishiga qaratilgan. Shunga o'xshash tadqiqotlar o'tkazilgan bo'lsa-da, o'tmishda ular yuzaga kelishi mumkin bo'lgan noaniqliklarni bartaraf etish uchun ishlab chiqarishdan keyingi optimallashtirishga ko'proq e'tibor qaratishgan. Biroq, bu yondashuv tarmoqlarning kattalashishi bilan yomon miqyosga ega, natijada optik tarmoqlarni o'rnatish uchun zarur bo'lgan hisoblash quvvati ortadi. Ishlab chiqarishdan keyingi optimallashtirish o'rniga, Intel shovqinga chidamli arxitekturadan foydalangan holda ishlab chiqarishdan oldin chiplarni bir marta o'qitishni ko'rib chiqdi. Yo'naltiruvchi optik neyron tarmog'i bir marta o'qitildi, shundan so'ng o'quv parametrlari tarkibiy qismlaridagi farqlar bilan bir nechta ishlab chiqarilgan tarmoq misollari bo'ylab taqsimlandi.
Intel jamoasi MZI asosida sun'iy intellekt tizimlarini yaratish uchun ikkita arxitekturani ko'rib chiqdi: GridNet va FFTNet. GridNet taxminiy ravishda MZI-larni tarmoqqa joylashtiradi, FFTNet esa ularni kapalaklar ichiga joylashtiradi. Ikkalasini ham qoβlda yozilgan raqamlarni aniqlash boβyicha chuqur oβrganish benchmark topshirigβi (MNIST) simulyatsiyasida mashq qilgandan soβng, tadqiqotchilar GridNet FFTNetβga qaraganda yuqori aniqlikka erishganini aniqladilar (98% ga nisbatan 95%), lekin FFTNet arxitekturasi βsezilarli darajada mustahkamroqβ edi. Aslida, GridNetning ishlashi sun'iy shovqin (optik chip ishlab chiqarishdagi mumkin bo'lgan nuqsonlarni taqlid qiluvchi shovqin) qo'shilishi bilan 50% dan pastga tushdi, FFTNet uchun esa deyarli doimiy bo'lib qoldi.
Olimlarning ta'kidlashicha, ularning tadqiqotlari sun'iy intellektni o'rgatish usullariga asos bo'lib, ular ishlab chiqarilgandan so'ng optik chiplarni nozik sozlash zaruratini yo'qotib, qimmatli vaqt va resurslarni tejaydi.
"Har qanday ishlab chiqarish jarayonida bo'lgani kabi, ma'lum nuqsonlar yuzaga keladi, bu esa chiplar o'rtasida hisob-kitoblarning aniqligiga ta'sir qiladigan kichik farqlar bo'lishini anglatadi", deb yozadi Intel AI Mahsulotlar guruhining katta direktori Casimir Wierzynski. "Agar optik neyron ob'ektlar AI apparat ekotizimining hayotiy qismiga aylansa, ular kattaroq chiplar va sanoat ishlab chiqarish texnologiyalariga o'tishlari kerak bo'ladi. Bizning tadqiqotimiz shuni ko'rsatadiki, oldingi to'g'ri arxitekturani tanlash, hatto ishlab chiqarish o'zgarishlari mavjud bo'lganda ham, hosil bo'lgan chiplarning kerakli ishlashga erishish ehtimolini sezilarli darajada oshirishi mumkin.
Intel birinchi navbatda tadqiqot olib borayotgan bir paytda, MIT PhD nomzodi Yichen Shen Bostonda joylashgan Lightelligence startapiga asos soldi, u venchur moliyalash va 10,7 million dollar to'pladi.
Manba: 3dnews.ru