Нейронные сети на фотонных чипах: использование света для сверхбыстрого и маломощного искусственного интеллекта

Чип, разработанный Политехническим университетом Милана включает в себя фотонный ускоритель, который позволяет выполнять вычисления за миллиардные доли секунды (0,1 наносекунды). Эти фотонные процессоры, интегрированные в кремниевые микрочипы размером всего несколько мм 2 , теперь можно использовать для построения фотонных нейронных сетей.

Нейронные сети — это распределенные вычислительные структуры, вдохновленные структурой биологического мозга и нацеленные на достижение когнитивных характеристик, сравнимых с человеческими, но за гораздо более короткое время.

Эти технологии теперь составляют основу систем машинного обучения и искусственного интеллекта, которые могут воспринимать окружающую среду и адаптировать свое поведение, анализируя последствия предыдущих действий и работая автономно. Они используются во многих прикладных областях, таких как распознавание и синтез речи и изображений, автономное вождение и системы дополненной реальности, биоинформатика, генетическое и молекулярное секвенирование и технологии высокопроизводительных вычислений.

Энергоемкий процесс

В отличие от обычных вычислительных подходов, для выполнения сложных функций нейронные сети необходимо изначально «обучить» большому количеству известной информации, которую сеть затем использует для адаптации, изучая опыт. Обучение — чрезвычайно энергоемкий процесс, и по мере увеличения вычислительной мощности потребление нейронных сетей растет очень быстро, удваиваясь каждые полгода или около того.

Фотонные схемы — перспективная технология для нейронных сетей, поскольку они позволяют создавать энергоэффективные вычислительные блоки. В течение многих лет Миланский политехнический университет работал над разработкой программируемых фотонных процессоров, интегрированных в кремниевые микрочипы размером всего несколько мм 2 , для использования в области передачи и обработки данных, и теперь эти устройства используются для построения фотонных нейронных сетей.

«Искусственный нейрон, как и биологический нейрон, должен выполнять элементарные математические операции, такие как сложение и умножение», — говорит Франческо Моричетти, руководитель Лаборатория фотонных устройств Миланского политехнического университета. «Но в нейронной сети, состоящей из множества плотно связанных между собой нейронов, энергозатраты на эти операции растут в геометрической прогрессии и быстро становятся непомерно высокими.

Наш чип включает в себя фотонный ускоритель, который позволяет проводить вычисления очень быстро и эффективно, используя программируемую сетку кремниевых интерферометров. Время расчета равно времени прохождения света в чипе размером в несколько миллиметров, поэтому речь идет о менее чем миллиардной доле секунды».

Мощный калькулятор

«Преимущества фотонных нейронных сетей давно известны, но одной из недостающих частей для полного раскрытия их потенциала было обучение сети», — добавляет Андреа Меллони, директор Полифаб, Миланский политехнический центр микро- и нанотехнологий.

«Это как иметь мощный калькулятор, но не знать, как им пользоваться. В этом исследовании мы реализовали стратегии обучения фотонных нейронов, аналогичные тем, которые используются для обычных нейронных сетей. Фотонный «мозг» учится быстро и точно и может достичь точности, сравнимой с точностью обычной нейронной сети, но быстрее и со значительной экономией энергии. Все это строительные блоки для искусственного интеллекта и квантовых приложений».

Помимо приложений в области нейронных сетей, это устройство может использоваться в качестве вычислительного блока для множества приложений, где требуется высокая вычислительная эффективность, например, для графических ускорителей, математических сопроцессоров, интеллектуального анализа данных, криптографии и квантовых компьютеров.
Политехнический университет Милана работает над этим исследованием совместно с Лабораторией фотонных устройств и Полифабом, университетским центром микро- и нанотехнологий.