Videnskab
 science >> Videnskab >  >> Fysik

Chip tænder optisk neuralt netværksdemo

NIST's grid-on-a-chip distribuerer lyssignaler præcist, fremvisning af et potentielt nyt design til neurale netværk. Den tredimensionelle struktur muliggør komplekse routingskemaer, som er nødvendige for at efterligne hjernen. Lys kunne rejse længere og hurtigere end elektriske signaler. Kredit:Chiles/NIST

Forskere ved National Institute of Standards and Technology (NIST) har lavet en siliciumchip, der distribuerer optiske signaler præcist over et miniatyrhjernelignende net, fremvisning af et potentielt nyt design til neurale netværk.

Den menneskelige hjerne har milliarder af neuroner (nerveceller), hver med tusinder af forbindelser til andre neuroner. Mange computingforskningsprojekter sigter mod at efterligne hjernen ved at skabe kredsløb af kunstige neurale netværk. Men konventionel elektronik, herunder elektriske ledninger til halvlederkredsløb, forhindrer ofte den ekstremt komplekse routing, der kræves for nyttige neurale netværk.

NIST -teamet foreslår at bruge lys i stedet for elektricitet som signalmedium. Neurale netværk har allerede vist en bemærkelsesværdig kraft til at løse komplekse problemer, herunder hurtig mønstergenkendelse og dataanalyse. Brug af lys ville eliminere interferens på grund af elektrisk ladning, og signalerne ville rejse hurtigere og længere.

"Lysets fordele kan forbedre ydelsen af ​​neurale net til videnskabelig dataanalyse såsom søgninger efter jordlignende planeter og kvanteinformationsvidenskab, og fremskynde udviklingen af ​​meget intuitive kontrolsystemer til autonome køretøjer, "NIST -fysiker Jeff Chiles sagde.

En konventionel computer behandler information gennem algoritmer, eller menneskekodede regler. Derimod, et neuralt netværk er afhængigt af et netværk af forbindelser mellem behandlingselementer, eller neuroner, som kan trænes til at genkende bestemte stimulimønstre. En neural eller neuromorf computer vil bestå af en stor, komplekst system af neurale netværk.

Beskrevet i et nyt papir, NIST -chippen overvinder en stor udfordring for brugen af ​​lyssignaler ved lodret at stable to lag fotoniske bølgeledere - strukturer, der begrænser lys til smalle linjer til routing af optiske signaler, meget som ledninger leder elektriske signaler. Dette tredimensionelle (3-D) design muliggør komplekse routingsordninger, som er nødvendige for at efterligne neurale systemer. Desuden, dette design kan let udvides til at inkorporere yderligere bølgelederlag, når det er nødvendigt for mere komplekse netværk.

De stablede bølgeledere danner et tredimensionelt gitter med 10 input eller "opstrøms" neuroner, der hver forbinder til 10 output eller "downstream" neuroner, for i alt 100 modtagere. Fremstillet på en siliciumskive, bølgelederne er lavet af siliciumnitrid og er hver 800 nanometer (nm) brede og 400 nm tykke. Forskere skabte software til automatisk at generere signalrouting, med justerbare niveauer af forbindelse mellem neuronerne.

Laserlys blev dirigeret ind i chippen gennem en optisk fiber. Målet var at dirigere hvert input til hver outputgruppe, efter et valgt fordelingsmønster for lysintensitet eller effekt. Effektniveauer repræsenterer mønsteret og graden af ​​tilslutning i kredsløbet. Forfatterne demonstrerede to ordninger til styring af outputintensitet:ensartet (hvert output modtager den samme effekt) og en "bell curve" -fordeling (hvor midterne neuroner modtager mest effekt, mens perifere neuroner modtager mindre).

For at evaluere resultaterne, forskere lavede billeder af udgangssignalerne. Alle signaler blev fokuseret gennem et mikroskopobjektiv på en halvledsensor og behandlet til billedrammer. Denne metode gør det muligt at analysere mange enheder på samme tid med høj præcision. Outputtet var meget ensartet, med lave fejlrater, bekræfter præcis strømfordeling.

"Vi har virkelig gjort to ting her, "Sagde Chiles." Vi er begyndt at bruge den tredje dimension til at muliggøre mere optisk forbindelse, og vi har udviklet en ny måleteknik til hurtigt at karakterisere mange enheder i et fotonisk system. Begge fremskridt er afgørende, når vi begynder at skalere til massive optoelektroniske neurale systemer. "