Et internationalt team af forskere har udviklet en næste generation af computeracceleratorchip, der behandler data ved hjælp af lys frem for elektronik. Kredit:University of Exeter
Forskere har udviklet en banebrydende ny tilgang, der hurtigt vil fremskynde maskinlæring - ved hjælp af lys.
Et internationalt team af forskere - fra universiteterne i Münster, Oxford, Exeter, Pittsburgh, École Polytechnique Fédérale (EPFL) og IBM Research Zurich-har udviklet en næste generations computeracceleratorchip, der behandler data ved hjælp af lys frem for elektronik.
Resultaterne er publiceret i det førende videnskabelige tidsskrift Natur på onsdag, 6. januar.
Professor C. David Wright fra University of Exeter, som leder EU-projektet Fun-COMP, som finansierede dette arbejde, sagde:"Konventionelle computerchips er baseret på elektronisk dataoverførsel og er forholdsvis langsomme, men lysbaserede processorer – som den der er udviklet i vores arbejde – gør det muligt at behandle komplekse matematiske opgaver med hastigheder, der er hundredvis eller endda tusindvis af gange hurtigere, og med enormt reduceret energiforbrug. "
Holdet af forskere, ledet af prof. Wolfram Pernice fra Institut for Fysik og Center for Soft Nanoscience ved universitetet i Münster, kombinerede integrerede fotoniske enheder med faseskiftematerialer (PCM'er) for at levere superhurtige, energieffektive matrix-vektor (MV) multiplikationer.
MV-multiplikationer er kernen i moderne computing-fra AI til maskinindlæring og behandling af neurale netværk-og det er vigtigt at foretage sådanne beregninger med stadigt stigende hastigheder, men med stadigt faldende energiforbrug, driver udviklingen af en helt ny klasse af processorchips, såkaldte tensor processing units (TPU'er).
Holdet udviklede en ny type fotonisk TPU - en der er i stand til at udføre flere MV-multiplikationer samtidigt og parallelt, ved at bruge en chip-baseret frekvenskam som lyskilde, sammen med bølgelængde-division-multipleksing.
Matrixelementerne blev lagret ved hjælp af PCM'er - det samme materiale, der i øjeblikket bruges til genskrivbare DVD- og BluRay-optiske diske - hvilket gør det muligt at bevare matrixtilstande uden behov for en energiforsyning.
I deres eksperimenter, holdet brugte deres fotoniske TPU i et såkaldt konvolutionelt neuralt netværk til genkendelse af håndskrevne tal og til billedfiltrering. "Vores undersøgelse er den første til at anvende frekvenskamme inden for kunstige neurale netværk, " siger prof. Wolfram Pernice.
"Vores resultater kan have en bred vifte af applikationer, " forklarede prof. Harish Bhaskaran fra University of Oxford, et centralt medlem af teamet:"En fotonisk TPU kunne hurtigt og effektivt behandle enorme datasæt, der bruges til medicinske diagnoser, såsom dem fra CT, MR- og PET-scannere, " fortsatte han.
Yderligere applikationer kan også findes i selvkørende køretøjer - som afhænger af hurtige, hurtig evaluering af data fra flere sensorer – såvel som til levering af it-infrastruktur såsom cloud computing.
Sidste artikelMaskinlæringsmodeller af stof ud over interatomiske potentialer
Næste artikelIndsigt gennem atomsimulering