Fyysiset neuroverkot, kestävän tekoälyn uusi rajaseutu

Tekoäly on nyt osa jokapäiväistä elämäämme, ja siksi tarvitaan kiireellisesti suurempia ja monimutkaisempia malleja. Jatkuvasti kasvavan tehon ja laskentakapasiteetin kysyntä kasvaa kuitenkin nopeammin kuin perinteisten tietokoneiden suorituskyky pystyy tarjoamaan.

Näiden rajoitusten voittamiseksi tutkimus on siirtymässä innovatiivisiin teknologioihin, kuten fysikaalisiin neuroverkkoihin ja analogisiin piireihin, jotka hyödyntävät suoraan fysiikan lakeja (valonsäteiden ominaisuuksia, kvantti-ilmiöitä) informaation käsittelyyn.

Niiden potentiaali on Nature-lehden julkaiseman tutkimuksen ytimessä. Se on useiden kansainvälisten instituuttien, kuten Politecnico di Milanon, École Polytechnique Fédéralen Lausanne, Stanfordin yliopiston, Cambridgen yliopiston ja Max Planck -instituutin, yhteistyön tulos.

Artikkeli nimeltä ”Training of Physical Neural Networks” käsittelee fyysisten neuroverkkojen kouluttamista koskevan tutkimuksen vaiheita.

Politecnico di Milano osallistui tähän tutkimukseen kehittämällä fotonisiruja neuroverkkojen luomiseksi hyödyntäen integroituja fotoniteknologioita. Matemaattisia operaatioita, kuten yhteen- ja kertolaskuja, voidaan nyt suorittaa valointerferenssimekanismien avulla piimikrosiruilla, jotka ovat kooltaan vain muutaman neliömillimetrin kokoisia.

”Poistamalla informaation digitointiin tarvittavat toiminnot fotonisirumme mahdollistavat laskelmien suorittamisen merkittävästi sekä energiankulutusta että käsittelyaikaa lyhentäen”, sanoo Francesco Morichetti. Tämä on askel eteenpäin kohti tekoälyn (joka on riippuvainen erittäin energiaintensiivisistä datakeskuksista) kestävämpää käyttöä.

Julkaistu tutkimus käsittelee koulutuksen teemaa eli sitä vaihetta, jossa verkko oppii suorittamaan tiettyjä tehtäviä. ”Elektroniikan, informaation ja biotekniikan laitoksen tutkimuksellamme olemme auttaneet kehittämään fotonisten neuroverkkojen in situ -koulutustekniikan, eli koulutustekniikan, jossa ei käytetä digitaalisia malleja. Toimenpide suoritetaan kokonaan valosignaalien avulla. Näin ollen verkon koulutus ei ole ainoastaan ​​nopeampaa, vaan myös vankempaa ja tehokkaampaa”, Morichetti lisää .

Fotonisirujen käyttö mahdollistaa kehittyneempien tekoälymallien kehittämisen tai laitteiden, jotka pystyvät käsittelemään reaaliaikaista dataa suoraan paikan päällä – kuten autonomiset autot tai kannettaviin laitteisiin integroidut älykkäät anturit – ilman etäkäsittelyä.

Aiheesta aiemmin:

Analyysi älykkään nanofotoniikan nykytilasta

Akustiikka vauhdittamaan fotonista laskentaa

Tehokkaampaa koulutusta tekoälylle