MIT, optik derin sinir ağı geliştiriyor: neredeyse hiç enerji tüketimi yok
Annie Phys.org'dan derlendi
Qubit Production | Genel Hesap QbitAI
Derin öğrenme bilgisayar sistemi, insan beyni öğrenme yöntemini taklit eden yapay sinir ağlarına (Yapay Sinir Ağları) dayalı bir sistemdir ve bilgisayar bilimi alanında sıcak bir konu haline gelmiştir. Derin öğrenme, sadece yüz ve ses tanıma yazılımının geliştirilmesine yardımcı olmakla kalmaz, aynı zamanda tanıya yardımcı olmak için tıp alanına birçok veri getirir.
Ancak bu sistemlerin gerçekleştirmesi gereken hesaplamalar çok karmaşık ve titizdir En güçlü bilgisayarlar için bile hesaplamalar hala büyük bir zorluktur.
Şu anda, Ar-Ge personeli yeni bir tür hesaplama yöntemi geliştirdi - bilgi aktarım ortamı olarak elektronlar yerine fotonları kullanıyorlar, bu da bazı derin öğrenme hesaplamalarının hızını ve verimliliğini büyük ölçüde artırıyor. Sonuç, MIT'den doktora sonrası Yichen Shen, lisansüstü öğrencisi Nicholas Harris, profesörler Marin Soljacic ve Dirk Englund ve diğer yerlerden araştırmacılar da dahil olmak üzere 11 kişi tarafından ortaklaşa tamamlandı. Şu anda, kağıt sonuçları "Nature Photonics" dergisinde yayınlandı.
Kağıt görüntüleme adresi:
https://www.nature.com/nphoton/journal/vaop/ncurrent/full/nphoton.2017.93.html
Profesör Soljacic, optik bilgisayarların birçok araştırmacı tarafından yıllardır tanıtıldığını, çünkü insanların artık biraz hayal kırıklığı yarattığını ve geri teptiğini düşündüklerini söyledi. Pek çok kişi optik bilgisayar kullanımını savunsa da, araştırma sonuçları pratik değildir. Bu ekip tarafından incelenen optik sinir ağı sistemi birçok programa uygulanabilir.
Geleneksel bilgisayarların mimarisi, bazı önemli sinir ağı görevlerini işlemede çok etkili değildir. Bu tür görevler genellikle tekrarlanan matris çarpımlarını içerir ve CPU ve GPU üzerinde yoğun hesaplamalar gerektirir.
Yıllarca süren araştırmalardan sonra, bu MIT bu operasyonu gerçekleştirmek için ters bir yol önerdi. Soljacic, "Bu çipte hata ayıkladıktan sonra matris çarpımını gerçekleştirebilir. Prensipte neredeyse hiç enerji gerektirmez," diyen Soljacic, "Anahtar modülleri gösterdik, ancak hepsini duyurmadık."
Soljaciç, yeni sistemin ilkelerini analoji yoluyla açıkladı. Sıradan bir gözlük camı bile içinden geçen ışık dalgaları üzerinde karmaşık hesaplamalar (Fourier dönüşümü denilen) gerçekleştirecektir. Yeni fotonik çipte ışının hesaplanma şekli temel prensibine benzer. Bu yeni yöntem, yayılmak için birden fazla ışık demeti kullanır ve dalgaları, işlemin beklenen sonuçlarını ileten girişim desenleri üretmek için etkileşime girer. Araştırmacılar bu cihaza programlanabilir nanofotonik işlemci diyor.
Yichen Shen'in açıklamasına göre, bu mimariye sahip optik çipler prensipte geleneksel yapay zeka algoritmalarında işlemleri gerçekleştirebilir, geleneksel elektronik çiplerden çok daha hızlı, ancak enerjinin binde birinden daha azını kullanır. Dedi ki: "Matris çarpımı hesaplamalarını ışıkla çalıştırmanın doğal avantajı, gücü hızlandırmada ve tasarruf etmede önemli bir rol oynamasıdır, çünkü yoğun matris çarpımı, AI algoritmasının en fazla güç ve zaman alan kısmıdır."
Bu yeni programlanabilir nanofotonik işlemci, Harris ve Englund laboratuvarındaki ortak çalışanlar tarafından ortaklaşa geliştirildi. Birbirine bağlanan ve özel hesaplamaları programlamak için gerektiğinde değiştirilebilen bir dizi dalga kılavuzu (mikrodalga bantları ileten elektromanyetik dalga cihazları) kullanır. Harris, "Herhangi bir matris işleminde programlayabilirsiniz," dedi. İşlemci, ışığı bir dizi bağlı fotonik dalga kılavuzu aracılığıyla yönlendirir. Beyin nöronlarının işleyişine benzer şekilde, cihazın iç içe geçmiş katmanına doğrusal olmayan bir aktivasyon işlevinin uygulanmasını gerektirirler.
Bu kavramı göstermek için araştırma ekibi, dört temel sesli harfi tanıyabilen bir sinir ağı uygulamak için programlanabilir bir nanofotonik işlemci kurdu. Bu temel sistemle bile, geleneksel sistemin% 90'ına kıyasla% 77'lik bir doğruluk elde edebilirler. Soljaciç, sistemin doğruluğunu artırmanın önünde "önemli bir engel" olmadığını söyledi.
Englund, programlanabilir nanofotonik işlemcilerin veri aktarımı için sinyal işleme gibi başka uygulamalara da sahip olduğunu ekledi. "Yüksek hızlı analog sinyal işleme, sinyalleri dijital forma dönüştüren diğer işleme yöntemlerinden daha hızlıdır, çünkü ışık doğal bir analog ortamdır" dedi ve "Bu yöntem doğrudan analog alanda işlenebilir."
Ekip, sistemi daha pratik hale getirmek için daha fazla çaba ve zamana ihtiyaçları olduğunu söyledi. Bu sistemin performansı geliştirildikten ve işlevler tamamlandıktan sonra, veri merkezleri veya güvenlik sistemleri gibi birçok kullanıcı durumu bulunabilir. Harris, böyle bir sistemin sürücüsüz arabalara veya insansız hava araçlarına da fayda sağlayabileceğini ve "çok fazla hesaplamanın gerekli olduğu, ancak çok fazla gücünüz ve zamanınızın olmadığı" durumlar için uygun olduğunu söyledi.
Bitiş
Bir uyarı
Qubit, otonom sürüşle ilgili alanlarda çalışan öğrenciler veya öncü mühendisler için nesne odaklı bir otonom sürüş teknolojisi grubu oluşturuyor ~ Qbitbot'a (Qbitbot) katılmak için başvuruda bulunan herkese hoş geldiniz ~
