211service.com
Silicon Photonic Neural Network avduket
Nevrale nettverk tar dataverdenen med storm. Forskere har brukt dem til å lage maskiner som lærer et stort spekter av ferdigheter som tidligere hadde vært det unike forbeholdet mennesker – gjenkjenning av gjenstander, ansiktsgjenkjenning, naturlig språkbehandling, maskinoversettelse. Alle disse ferdighetene, og mer, er nå i ferd med å bli rutine for maskiner.
Så det er stor interesse for å skape mer kapable nevrale nettverk som kan flytte grensene for kunstig intelligens enda lenger. Fokuset i dette arbeidet er å lage kretsløp som fungerer mer som nevroner, såkalte nevromorfe brikker. Men hvordan gjøre disse kretsene betydelig raskere?
I dag får vi et slags svar takket være arbeidet til Alexander Tait og venner ved Princeton University i New Jersey. Disse karene har bygget en integrert fotonisk nevromorf silisiumbrikke og viser at den beregner med ultraraske hastigheter.
Optisk databehandling har lenge vært informatikkens store drøm. Fotoner har betydelig mer båndbredde enn elektroner og kan derfor behandle mer data raskere. Men fordelene med optiske databehandlingssystemer har aldri oppveid tilleggskostnadene ved å lage dem, og derfor har de aldri blitt bredt tatt i bruk.
Det har begynt å endre seg på noen områder innen databehandling, for eksempel analog signalbehandling, som krever den typen ultrarask databehandling som bare fotoniske brikker kan gi.
Nå åpner nevrale nettverk en ny mulighet for fotonikk. Fotoniske nevrale nettverk som utnytter silisiumfotoniske plattformer kan få tilgang til nye regimer for ultrarask informasjonsbehandling for radio, kontroll og vitenskapelig databehandling, sier Tait og co.
Kjernen i utfordringen er å produsere en optisk enhet der hver node har samme responsegenskaper som en nevron. Nodene har form av små sirkulære bølgeledere skåret inn i et silisiumsubstrat der lys kan sirkulere. Når det slippes ut, modulerer dette lyset utgangen til en laser som arbeider ved terskel, et regime der små endringer i det innkommende lyset har en dramatisk innvirkning på laserens utgang.
Det er avgjørende at hver node i systemet fungerer med en bestemt bølgelengde av lys - en teknikk kjent som bølgedelingsmultipleksing. Lyset fra alle nodene kan summeres ved total effektdeteksjon før det mates inn i laseren. Og laserutgangen mates tilbake til nodene for å lage en tilbakemeldingskrets med en ikke-lineær karakter.
Et viktig spørsmål er hvor tett denne ikke-lineariteten etterligner nevral atferd. Tait og co måler utgangen og viser at den er matematisk ekvivalent med en enhet kjent som et kontinuerlig tilbakevendende nevralt nettverk. Dette resultatet antyder at programmeringsverktøy for CTRNN kan brukes på større silisium fotoniske nevrale nettverk, sier de.
Det er et viktig resultat fordi det betyr at enheten som Tait og co har laget umiddelbart kan utnytte det store spekteret av programmeringsnous som er samlet for denne typen nevrale nettverk.
De fortsetter med å demonstrere hvordan dette kan gjøres ved hjelp av et nettverk bestående av 49 fotoniske noder. De bruker dette fotoniske nevrale nettverket til å løse det matematiske problemet med å emulere en viss type differensialligning og sammenligne den med en vanlig sentral prosesseringsenhet.
Resultatene viser hvor raske fotoniske nevrale nett kan være. Den effektive maskinvareakselerasjonsfaktoren til det fotoniske nevrale nettverket er estimert til å være 1960 × i denne oppgaven, sier Tait og co. Det er en hastighetsøkning på tre størrelsesordener.
Det åpner dørene til en helt ny industri som kan bringe optisk databehandling inn i mainstream. Silisiumfotoniske nevrale nettverk kan representere første inntog i en bredere klasse av silisiumfotoniske systemer for skalerbar informasjonsbehandling, sier Taif og co.
Og andre jobber også på dette området. Tidligere i år foreslo Yichen Shen ved MIT og noen få venner arkitekturen bak et fullt optisk nevralt nettverk og demonstrerte elementer av det ved hjelp av en programmerbar nanofotonisk prosessor.
Selvfølgelig avhenger mye av hvor godt den første generasjonen av elektroniske nevromorfe brikker presterer. Fotoniske nevrale nett vil måtte tilby betydelige fordeler for å bli bredt adoptert og vil derfor kreve mye mer detaljert karakterisering. Det er tydelig at det er interessante tider fremover for fotonikk.
Ref: arxiv.org/abs/1611.02272 : Nevromorf silisiumfotonikk
Denne historien ble oppdatert 22. november for å inkludere tilleggsarbeid utført av forskere ved MIT.