麻省理工学院工程师开发可编程纳米光子处理器 2017-06-17 09:14:21

$888.88
所属分类 :基金

这张未来主义的图纸展示了集成在印刷电路板上的可编程纳米光子处理器,并进行了深度学习计算RedCube Inc,以及研究人员的礼貌

工程师团队提出了一种全光学神经网络的新架构,原则上可以提供增强功能

用于传统推理任务的最先进电子设备的计算速度和功率效率“深度学习”计算机系统,基于模仿大脑从示例累积中学习的方式的人工神经网络,已经成为一个热门话题

计算机科学除了支持面部和语音识别软件等技术之外,这些系统还可以搜索大量的医学数据,以找到可能有用的诊断模式,或扫描可能的新药物的化学公式但这些系统必须携带的计算即使对于功能最强大的计算机来说,也是非常复杂和苛刻的麻省理工学院和其他地方的研究人员开发了一种新的方法来进行这种计算,使用光而不是电,他们说这可以极大地提高某些深度学习计算的速度和效率

他们的结果今天出现在Nature Photonics杂志的一篇论文中麻省理工学院博士后Yichen Shen,研究生Nicholas Harris,教授MarinSoljačić和Dirk Englund,以及其他八位Soljačić说,许多研究人员多年来一直声称对光学计算机有所说法,但“人们戏剧性地过度承诺,​​而且它适得其反”虽然许多这种光子计算机的使用结果并不实用,但该团队开发的基于光的神经网络系统“可能适用于某些应用的深度学习”,他说传统的计算机体系结构并不是很有效

它涉及某些重要的神经网络任务所需的各种计算

这些任务通常涉及重复的多重矩阵的阳离子,在传统的CPU或GPU芯片中可能是非常计算密集的经过多年的研究,麻省理工学院的团队提出了一种光学地执行这些操作的方法,而“这个芯片,一旦你调整它,就可以进行矩阵乘法原则上,零能量,几乎立即,“Soljačić说”我们已经展示了关键的构建模块但尚未完整的系统“通过类比,Soljačić指出,即使是普通的眼镜镜片执行复杂的计算(通过它的光波上的所谓傅立叶变换

光束在新光子芯片中进行计算的方式更为通用但具有类似的基本原理

新方法使用多个光束以这样的方式导向它们的波相互作用,产生干扰模式,传达预期操作的结果

所得到的设备是研究人员称之为程序设计的东西

纳米光子处理器Shen说,结果是使用这种架构的光学芯片原则上可以更快地执行在典型人工智能算法中执行的计算,并且每次操作使用的能量不到传统电子芯片的千分之一“使用光进行矩阵乘法的自然优势在加速和省电方面发挥了重要作用,因为密集矩阵乘法是AI算法中最耗电和耗时的部分“他说新的可编程纳米光子处理器,它是开发的在Harris及其合作者的Englund实验室中,使用一系列波导,这些波导以可根据需要进行修改的方式互连,为特定计算编程一组波束“您可以在任何矩阵运算中编程”,Harris说处理器通过一系列耦合的光子波导引导光线该团队的完整建议要求交错的de层应用称为非线性激活函数的操作的恶习,类似于大脑中神经元的操作为了演示这个概念,团队设置可编程纳米光子处理器来实现识别四种基本元音的神经网络即使使用这种基本系统, Soljačić说,他们能够达到77%的准确度,相比传统系统的约90%

扩展系统以获得更高的准确性“没有实质性障碍” Englund补充说,可编程纳米光子处理器也可以有其他应用,包括用于数据传输的信号处理“高速模拟信号处理可以管理的东西”比其他首先将信号转换为数字形式的方法更快,因为光是固有的模拟媒介“这种方法可以直接在模拟领域进行处理,”他说团队表示,仍然需要花费更多的精力和时间来使这个系统变得有用;然而,一旦系统扩大并完全正常运行,它可以找到许多用户案例,例如数据中心或安全系统

系统也可以为自动驾驶汽车或无人机带来福音,Harris说,或者“无论何时你需要做了很多计算,但你没有太多的力量或时间“研究团队还包括麻省理工学院研究生斯科特·斯基罗和米希卡布拉在电子研究实验室,孙孙在数学,和施杰钊在生物学,汤姆纽约Elenion Technologies的Baehr-Jones和Michael Hochberg以及魁北克舍布鲁克大学的Hugo Larochelle这项工作得到了美国陆军研究办公室的支持,通过士兵纳米技术研究所,国家科学基金会和空军科学研究办公室出版物:Yichen Shen等,“深度学习相干纳米光子电路”,Nature Photonics(2017)doi:101038 / nphoton201793来源:David Chandler,麻省理工学院新闻