Detaily článku

Čipy nesoucí světlo urychlují strojové učení

V digitálním věku roste datový provoz exponenciálním tempem. Požadavky na výpočetní výkon pro aplikace v umělé inteligenci, jako je například rozpoznávání vzoru a řeči, nebo pro samojízdná vozidla, často převyšují kapacity běžných počítačových procesorů. Ve spolupráci s mezinárodním týmem vyvíjejí vědci na univerzitě v Münsteru nové přístupy a procesní architektury, které si s těmito úkoly poradí extrémně efektivně. Nyní ukázali, že takzvané fotonické procesory, se kterými se data zpracovávají pomocí světla, mohou zpracovávat informace mnohem rychleji a souběžně - něco, co elektronické čipy nedokážou. Výsledky byly publikovány v časopise Nature.

Datum: 13.1.2021

fotonické procesory, multiplexované zpracování dat, umělá inteligence

Světelné procesory pro zrychlení úkolů v oblasti strojového učení umožňují zpracování složitých matematických úkolů enormně vysokou rychlostí (10¹² – 10¹⁵ operací za sekundu). Konvenční čipy, jako jsou grafické karty nebo speciální hardware, jako je Google TPU (Tensor Processing Unit), jsou založeny na elektronickém přenosu dat a jsou mnohem pomalejší. Tým vědců pod vedením prof.Wolframa Pernice z Fyzikálního ústavu a Centra pro Soft Nanoscience na univerzitě v Münsteru implementoval hardwarový akcelerátor pro takzvané maticové množení, které představují hlavní zátěž zpracování při výpočtu neuronových sítí. Neuronové sítě jsou řadou algoritmů, které simulují lidský mozek. To je užitečné například pro klasifikaci objektů v obrázcích a pro rozpoznávání řeči.

Vědci kombinovali fotonické struktury s materiály s fázovou změnou (PCM - phase-change materials) jako energeticky účinnými úložnými prvky. PCM se obvykle používají u disků DVD nebo BluRay v optickém úložišti dat. V novém procesoru to umožňuje ukládat a uchovávat maticové prvky bez nutnosti dodávky energie. K paralelnímu provádění násobení matic na více souborech dat použili Münsterští fyzici jako světelný zdroj frekvenční hřeben na bázi čipů. Frekvenční hřeben poskytuje různé optické vlnové délky, které jsou zpracovávány nezávisle na sobě ve stejném fotonickém čipu. Ve výsledku to umožňuje vysoce paralelní zpracování dat výpočtem na všech vlnových délkách současně - také známému jako multiplexování vlnových délek. "Naše studie je první, která aplikuje frekvenční hřebeny v oblasti uměle neuronových sítí", Říká Wolfram Pernice.

V experimentu fyzici použili takzvanou konvoluční neurální síť pro rozpoznávání ručně psaných čísel. Tyto sítě jsou konceptem v oblasti strojového učení inspirovaným biologickými procesy. Používají se především při zpracování obrazových nebo zvukových dat, protože v současné době dosahují nejvyšší přesnosti klasifikace. "Konvoluční operace mezi vstupními daty a jedním nebo více filtry - což může být například zvýraznění okrajů na fotografii - lze velmi dobře přenést do naší maticové architektury", vysvětluje Johannes Feldmann, hlavní autor studie. "Využívání světla pro přenos signálu umožňuje procesoru provádět paralelní zpracování dat prostřednictvím multiplexování vlnových délek, což vede k vyšší výpočetní hustotě a mnoha násobení matic prováděných v jediném časovém kroku.Na rozdíl od tradiční elektroniky, která obvykle pracuje v pásmu nízkých GHz, lze rychlosti optické modulace dosáhnout rychlostí až 50 až 100 GHz. " To znamená, že proces umožňuje rychlost přenosu dat a výpočetní hustoty, tj. operace na oblast procesoru, které dosud nebyly dosaženy.

Výsledky mají širokou škálu aplikací. Například v oblasti umělé inteligence lze při úspoře energie zpracovat více dat současně. Použití větších neuronových sítí umožňuje přesnější a dosud nedosažitelné předpovědi a přesnější analýzu dat. Například fotonické procesory podporují vyhodnocení velkého množství dat v lékařských diagnózách, například ve 3D datech s vysokým rozlišením produkovaných speciálními zobrazovacími metodami. Další aplikace jsou v oblastech vozidel s vlastním pohonem, které závisí na rychlém a rychlém vyhodnocení dat ze senzorů, a IT infrastruktur, jako je cloud computing, které poskytují úložný prostor, výpočetní výkon nebo aplikační software.

Zdrojem informací je Chemeurope.
Kredit obrázku: WWU/AG Pernice

Pro kompletní informace si přečtěte celý článek.