Laskentaa ilman digitaaliprosessoria

Erilaisten syväoppimisen järjestelmien tullessa yhä suurempaa laskentatehoa vaativiksi optinen tai fotoninen laskenta voi olla tulevaisuuden vaihtoehto.

Esimerkiksi valo laskee minkä tahansa halutun lineaarimuunnoksen ilman digitaalista prosessoria.

Erilaisia lineaarimuunnoksia, kuten Fourier -muunnosta, käytetään laajasti tietojenkäsittelyn eri sovelluksissa. Nämä muunnokset toteutetaan yleensä digitaalisesti prosessoreilla ja niiden laskentanopeutta rajoittavat käytettävän elektronisen sirun kapasiteetti, mikä muodostaa kuitenkin pullonkaulan datan ja kuvakokojen kasvaessa.

Korjaus tähän ongelmaan voi olla digitaalisten prosessorien korvaaminen optisilla vastineilla ja valon käyttäminen informaation käsittelyyn.

Kalifornian Los Angelesin (UCLA) professori Aydogan Ozcan ja hänen ryhmänsä ovat kehittäneet syväoppimiseen perustuvan suunnittelumenetelmän mielivaltaisen lineaarimuunnoksen optiseen laskentaan.

Tämä täysin optinen prosessori hyödyntää avaruudellisesti suunniteltuja diffraktiivisia pintoja optisten aaltojen käsittelyssä ja laskee halutut lineaariset muunnokset, kun valo kulkee läpi sarjan diffraktiivisia pintoja.

Siten halutun lineaarimuunnoksen laskenta suoritetaan valon etenemisnopeudella, kun tulovalo siirtyy näiden diffraktiivisten pintojen läpi. Lisäksi nämä täysoptiset prosessorit eivät kuluta käyttötehoa laskiessaan, joten se on passiivinen ja suuren läpimenon laskentajärjestelmä.

Tutkijatiimin tekemät analyysit osoittavat, että näiden täysin optisten diffraktiivisten prosessorien syväoppimiseen perustuva suunnittelu voi syntetisoida tarkasti minkä tahansa mielivaltaisen lineaarisen muunnoksen tulo- ja lähtötason välillä. Tuloksena olleiden optisten muunnosten tarkkuus ja diffraktion tehokkuus paranivat merkittävästi diffraktiivisten pintojen määrän kasvaessa, mikä toi esiin, että syvemmät diffraktioprosessorit ovat tehokkaampia laskentakyvyissään.

Menetelmän kyvykkyys on osoitettu suorittamalla laaja valikoima lineaarisia muunnoksia, mukaan lukien esimerkiksi satunnaisesti muodostetut vaihe- ja amplitudimuunnokset, Fourier-muunnos sekä kuvan permutaatio- ja suodatusoperaatiot.

Tätä laskentakehystä voidaan laajasti soveltaa mihin tahansa sähkömagneettisen spektrin osaan, jotta voidaan suunnitella täysin optisia prosessoreita, jotka käyttävät avaruudellisesti suunniteltuja diffraktiivisia pintoja suorittamaan yleisesti mielivaltaisen monimutkaisia lineaarisia muunnoksia.

Sitä voidaan käyttää myös täysin optisten tietojenkäsittelyverkkojen muodostamiseen halutun laskentatehtävän suorittamiseksi tulo- ja lähtötason välillä, mikä tarjoaa passiivisen, käyttötehoa tarvitsemattoman vaihtoehdon digitaalisille prosessoreille.

Aiheesta aiemmin:

Aivomaista tietotekniikkaa

Nopeampia neuroverkkoja syväoppimiseen