Fotonički procesor za revoluciju u računarstvu

Istraživači s američkog Instituta tehnologije u Massachusettsu MIT-a, demonstrirali su potpuno integrirani fotonski procesor koji može izvesti sve ključne proračune duboke neuronske mreže optički na čipu, što bi moglo omogućiti brže i energetski učinkovitije duboko učenje za računalno zahtjevne aplikacije poput lidara ili brzih telekomunikacija.

Modeli dubokih neuronskih mreža koji pokreću današnje najzahtjevnije aplikacije za strojno učenje postali su toliko veliki i složeni da pomiču granice tradicionalnog elektroničkog računalnog hardvera.

Fotonski hardver, koji može izvoditi računanja strojnog učenja sa svjetlom, nudi bržu i energetski učinkovitiju alternativu. Međutim, postoje neke vrste računanja neuronske mreže koje fotonski uređaj ne može izvesti, zahtijevajući upotrebu elektronike izvan čipa ili drugih tehnika koje ometaju brzinu i učinkovitost.

Nadovezujući se na desetljeće istraživanja, znanstvenici MIT-a razvili su novi fotonski čip koji nadilazi ove prepreke. Demonstrirali su potpuno integrirani fotonski procesor koji može izvesti sve ključne proračune duboke neuronske mreže optički na čipu.

Optički uređaj uspio je dovršiti ključna izračunavanja za zadatak klasifikacije strojnog učenja za manje od pola nanosekunde uz postizanje više od 92 posto točnosti, performanse koje su u rangu s tradicionalnim hardverom.

Čip, sastavljen od međusobno povezanih modula koji tvore optičku neuronsku mrežu, proizveden je korištenjem komercijalnih procesa izrade, što bi moglo omogućiti skaliranje tehnologije i njezinu integraciju u elektroniku.

Dugoročno, fotonski procesor mogao bi dovesti do bržeg i energetski učinkovitijeg dubokog učenja za računalno zahtjevne aplikacije poput lidara, znanstvenih istraživanja u astronomiji i fizici čestica ili brzih telekomunikacija.

Na početku, njihov sustav kodira parametre duboke neuronske mreže u svjetlost. Zatim, niz programabilnih razdjelnika snopa, izvodi matrično množenje na tim ulazima.

Podaci zatim prolaze do programabilnih NOFU-ova, koji provode nelinearne funkcije usisavanjem male količine svjetla na fotodiode koje pretvaraju optičke signale u električnu struju. Ovaj proces, koji eliminira potrebu za vanjskim pojačalom, troši vrlo malo energije.

Postizanje tako niske latencije omogućilo im je učinkovito treniranje duboke neuronske mreže na čipu, proces poznat kao 'in situ  trening' koji obično troši veliku količinu energije u digitalnom hardveru.

Fotonski sustav postigao je više od 96 posto točnosti tijekom testova obuke i više od 92 posto točnosti tijekom zaključivanja, što je usporedivo s tradicionalnim hardverom. Osim toga, čip izvodi ključne proračune za manje od pola nanosekunde.    

Cijeli sklop proizveden je korištenjem iste infrastrukture i procesa koji proizvode CMOS računalne čipove. To bi moglo omogućiti proizvodnju čipa u velikim razmjerima, korištenjem provjerenih tehnika koje unose vrlo malo pogrešaka u proces izrade.

Skaliranje uređaja i njegova integracija sa stvarnom elektronikom poput kamera ili telekomunikacijskih sustava bit će glavni fokus budućeg rada. Osim toga, istraživači žele istražiti algoritme koji mogu iskoristiti prednosti optike za brže treniranje sustava uz bolju energetsku učinkovitost.

Istraživački rad objavljen u časopisu Nature Photonics možete pronaći na ovoj poveznici.