Új fotonikus chip áll az energiahatékony mesterséges intelligencia szolgálatában

Az amerikai MIT kutatói egy olyan fotonikus processzort fejlesztettek, ami a mély neurális hálók (DNN) valamennyi alapvető számítását egyetlen chipen képes elvégezni. Ez a technológia áttörést jelenthet az energiahatékony mesterségesintelligencia-alkalmazások terén – állítják közleményükben a tudósok.

A chip villámgyors, a kulcsszámításokat kevesebb mint fél nanoszekundum alatt végzi el, miközben 92 százalékos pontosságot ér el az alkalmazások futtatása során. Az MIT közlése szerint az új eszköz akár ultramodern AI-alkalmazások meghajtására is alkalmas lehet a közeljövőben.

A mesterséges intelligencia fejlődése komoly terhet ró a számítási infrastruktúrára, ami gyakran energiazabáló megoldásokra támaszkodik. Az elektronikus hardverek technológiai határai egyre nyilvánvalóbbak, ezért a kutatók olyan újításokon dolgoznak, amelyek egyszerre biztosítják a teljesítményt és az energiahatékonyságot. A fotonikus hardver, ami elektronok helyett fényt használ információfeldolgozásra, ígéretes megoldást nyújthat. Ez a technológia eddig nem volt képes a teljesen önálló működésre: több területen elektronikus komponensekre támaszkodott, ami lassította a fejlesztéseket. Ezt a korlátot lépte át Dirk Englund professzor kutatócsoportja.

A mély neurális hálók fotonikus jövője

A mély neurális hálók az agyhoz hasonlóan rétegezett csomópontok segítségével dolgozzák fel az információt. Kétféle számításra van szükségük: lineáris műveletekre, amelyek a mátrixszorzáson alapulnak, és nemlineáris műveletekre, amelyek elengedhetetlenek az összetett mintázatok felismeréséhez.

Englund csapata már 2017-ben kifejlesztett egy fotonikus processzort, hogy kezelje vele a lineáris műveleteket. A nemlineáris funkciókhoz azonban még mindig elektronikus hardverre volt szükség, mivel a fotonok nehezen lépnek kölcsönhatásba egymással. A kutatók most olyan nemlineáris optikai funkciós egységeket (NOFU-kat) terveztek, amelyek egyetlen chipen egyesítik a fotonikus és elektronikus komponenseket. Az új processzor három NOFU-réteget tartalmaz. Ezek csak minimális mennyiségű fényt alakítanak elektromos árammá a számítások elvégzéséhez, így elkerülhetővé teszik az energiaigényes erősítők használatát, jelentősen növelve a hatékonyságot.

A fejlesztésnek köszönhetően a kutatók mély neurális hálót tréningelhetnek a chipen, rendkívül alacsony energiafogyasztás mellett. Az eszköz 96 százalékos pontossággal működött a tanulási folyamat során, és 92 százalékos eredményt ért el az AI-alkalmazások futtatásánál. Az MIT chipje kompatibilis a jelenlegi CMOS-gyártási eljárásokkal, ami azt jelenti, hogy könnyen skálázható nagyobb volumenű gyártásra. Következő lépésként az MIT csapata olyan algoritmusokat fejleszt, amelyek gyorsabbá és energiahatékonyabbá tehetik a neurális hálók tanulási folyamatait.

Gábor János, NEW technology