Науковий керівник Baidu AI покинув пост і заснував нову компанію
6 Липня , 2017
SkEye: камера з роздільною здатністю один мільярд пікселів
6 Липня , 2017

Швидкодіючі оптичні системи можуть замінити суперкомп’ютери в системах глибинного машинного навчання і штучного інтелекту

Група дослідників з Массачусетського технологічного інституту за участю фахівців компанії Elenion Technologies, Нью-Йорк, і вчених з університету Шербрук, Канада, розробила і реалізувала принципово новий підхід до побудови систем глибинного машинного навчання і штучного інтелекту. Використання світла замість електричного струму дозволить значно збільшити швидкість роботи таких систем і підняти їх загальну ефективність.
Системи глибинного машинного навчання будуються здебільшого на базі нейронних мереж, що працюють на принципах, схожих з принципами функціонування мозку людини. Використання нейронних мереж дозволяє спростити і підвищити якість роботи деяких важких в обчислювальному плані задач, таких як розпізнавання осіб і голосова ідентифікація. Нейронні мережі здатні пропускати через себе величезні масиви інформації, наприклад, медичної діагностики, вишукуючи в ній певні образи і збіги.
Однак, обчислювальні алгоритми, що забезпечують роботу нейронних мереж, надзвичайно складні і здатні навантажити по повній навіть потужні суперкомп’ютери. Та й традиційна архітектура обчислювальних систем не дуже підходить для ефективної реалізації нейронних мереж. З обчисленнями, в яких фігурують багаторазові множення матриць (двомірних масивів чисел), можуть справлятись лише комбінації останніх типів центральних і графічних процесорів.
У своїй роботі массачусетські дослідники створили оптичний обчислювальний пристрій, який вони називають програмованим нанофотонним процесором. Всередині цього процесора циркулює безліч окремих променів світла, які взаємодіють один з одним за певним алгоритмом і проводять необхідні обчислення.
Оптичний процесор, побудований на такому принципі, може ефективно виконувати операції множення матриць чисел, за рахунок чого програми глибинного машинного навчання зможуть виконуватись набагато швидше і ефективніше. Дослідники прогнозують, що приріст продуктивності в такому випадку буде мінімум дворазовим, а сумарна ефективність системи збільшиться в три рази в порівнянні з традиційними обчислювальними системами.
Для демонстрації можливостей дослідного зразка оптичного процесора, дослідники запрограмували його на реалізацію нейронної мережі, що виконує розпізнавання чотирьох базових голосних звуків. І навіть дослідний зразок нанофотонного процесора, який не відрізняється особливою складністю, зміг відразу забезпечити точність 77 відсотків при виконанні даної задачі. Для порівняння, нейронні мережі, реалізовані на традиційних обчислювальних системах, забезпечують точність близько 90 відсотків при виконанні точно такого ж завдання, однак оптичний процесор практично не споживав енергію порівняно з кількістю енергії, що вимагається для роботи суперкомп’ютера.
В архітектуру програмованого нанофотонного процесора була одразу закладена можливість масштабування системи до якої завгодно величини. На жаль, учені ще не можуть точно вказати кількість часу, який буде потрібно для доопрацювання оптичної технології до рівня, що дозволяє її практичне застосування.
Проте, це повинно відбутись протягом найближчих декількох років і оптичні процесори зможуть стати основою інтелектуальних систем управління та інформаційних систем, до яких пред’являються дуже жорсткі вимоги по кількості споживаної енергії. В якості прикладів можна навести приклади систем керування безпілотними апаратами, автономними автомобілями-роботами, мобільні споживчі пристрої та системи обробки сигналів у реальному часі, які є частиною комунікаційних систем.

LEU
LEU
Головний редактор сайту uaengineer.com.ua

Залишити відповідь

Увійти за допомогою: