Ohjelmoitava fotonisiru tekoälyn koulukseen17.04.2025
Nature Photonicsissa kuvattu siru muokkaa valon käyttäytymistä toteuttaakseen nykyaikaisen tekoälyn ytimessä olevan epälineaarisen matematiikan. "Epälineaariset funktiot ovat kriittisiä syvien neuroverkkojen koulutuksessa ", sanoo professori Liang Feng. Ryhmän läpimurto alkaa erityisellä puolijohdemateriaalilla, joka reagoi valoon. Kun "signaali"-valosäde kulkee materiaalin läpi, toinen "pumppu"-säde paistaa sisään ylhäältä ja säätelee materiaalin reagointia. Muuttamalla pumppusäteen muotoa ja voimakkuutta tiimi voi ohjata signaalin absorboitumista, välittämistä tai vahvistumista riippuen sen voimakkuudesta ja materiaalin käyttäytymisestä. Tämä prosessi "ohjelmoi" sirun suorittamaan erilaisia epälineaarisia toimintoja. Tuloksena on uudelleenkonfiguroitava järjestelmä, joka voi ilmaista monenlaisia matemaattisia toimintoja pumpun mallista riippuen. Tämä joustavuus antaa sirulle mahdollisuuden oppia reaaliajassa ja säätää käyttäytymistään tulostensa palautteen perusteella. Testatakseen sirun potentiaalia tiimi käytti sirua ratkaistakseen AI-ongelmien vertailuarvoja. Alusta saavutti yli 97 % tarkkuuden yksinkertaisessa epälineaarisessa päätösrajatehtävässä ja yli 96 % tunnetulla Iris-kukkatietojoukolla – koneoppimisstandardilla. Molemmissa tapauksissa fotonisiru vastasi perinteisiä digitaalisia neuroverkkoja tai ylitti sen suorituskyvyn, mutta käytti vähemmän toimintoja, eikä se tarvinnut virtaa kuluttavia elektronisia komponentteja. Yhdessä hämmästyttävässä tuloksessa vain neljä epälineaarista optista liitäntää sirulla vastasi 20 lineaarista elektronista yhteyttä, joissa oli kiinteät epälineaariset aktivointitoiminnot perinteisessä mallissa. Tämä tehokkuus viittaa siihen, mikä on mahdollista kun arkkitehtuuria skaalataan. Toisin kuin aiemmat fotonijärjestelmät – jotka on kiinnitetty valmistuksen jälkeen – Penn-siru alkaa tyhjänä kankaana. Pumpun valo toimii kuin harja ja vetää materiaaliin ohjelmoitavia ohjeita. "Tämä on todellinen todiste kentällä ohjelmoitavalle fotonitietokoneelle", Feng sanoo. "Se on askel kohti tulevaisuutta, jossa voimme harjoitella tekoälyä valon nopeudella." Vaikka nykyinen työ keskittyy polynomeihin – koneoppimisessa laajalti käytettyyn joustavaan funktioperheeseen – tiimi uskoo, että heidän lähestymistapansa voisi mahdollistaa entistä tehokkaampia operaatioita tulevaisuudessa, kuten eksponentiaalisia tai käänteisiä funktioita. Se tasoittaisi tietä fotonijärjestelmille, jotka käsittelevät suuria tehtäviä, kuten suurten kielimallien koulutusta. "Tämä voisi olla alku fotoniselle laskennalle vakavana vaihtoehtona elektroniikalle", Liang sanoo. Aiheesta aiemmin: Tehokkaampaa koulutusta tekoälylle Pienemmän tehonkäytön neuroverkkoja |
Nanotekniikka on tulevaisuuden lupaus. Näillä sivuilla seurataan elektroniikkaa sekä tieto- ja sähkötekniikkaa sivuavia nanoteknisiä tiedeuutisia.

Penn Engineers on kehittänyt ensimmäisen ohjelmoitavan sirun, joka voi kouluttaa epälineaarisia neuroverkkoja valon avulla – läpimurto, joka voi dramaattisesti nopeuttaa tekoälyn harjoittelua, vähentää energiankulutusta ja jopa tasoittaa tietä täysin valokäyttöisille tietokoneille.