Быстродействующие оптические системы могут заменить суперкомпьютеры в системах глубинного машинного изучения и искусственного интеллекта - «Наука и технологии»

Группа исследователей из Массачусетского технологического института при участии специалистов компании Elenion Technologies, Нью-Йорк, и ученых из университета Шербрука, Канада, разработала и реализовала принципиально новый подход к построению систем глубинного машинного изучения и искусственного интеллекта. Использование света вместо электрического тока позволит значительно увеличить скорость работы таких систем и поднять их общую эффективность.

Системы глубинного машинного изучения строятся в большинстве случаев на базе нейронных сетей, работающих на принципах, схожих с принципами функционирования мозга человека. Использование нейронных сетей позволяет упростить и увеличить качество работы некоторых тяжелых в вычислительном плане задач, таких, как распознавание лиц и голосовая идентификация, к примеру. Нейронные сети способны пропускать через себя огромные массивы информации, к примеру, медицинской диагностической, выискивая в ней определенные образы и совпадения.

Однако, вычислительные алгоритмы, обеспечивающие работу нейронных сетей, чрезвычайно сложны и способны нагрузить по полной даже мощные суперкомпьютеры. Да и традиционная архитектура вычислительных систем не очень подходит для эффективной реализации нейронных сетей. С вычислениями, в которых фигурируют многократные умножения матриц (двухмерных массивов чисел), могут справляться только комбинации самых последних типов центральных и графических процессоров.

В своей работе массачусетские исследователи создали оптическое вычислительное устройство, которое они называют программируемым нанофотонным процессором. Внутри этого процессора циркулирует множество раздельных лучей света, которые взаимодействуют друг с другом по определенному алгоритму и производят необходимые вычисления.

Оптический процессор, построенный на таком принципе, может эффективно выполнять операции по умножению матриц чисел, за счет чего программы глубинного машинного изучения смогут выполняться гораздо быстрее и эффективней. Исследователи прогнозируют, что прирост производительности в таком случае будет минимум двукратным, а суммарная эффективность системы увеличится в три раза по сравнению с традиционными вычислительными системами.

Для демонстрации возможностей опытного образца оптического процессора исследователи запрограммировали его на реализацию нейронной сети, выполняющей распознавание четырех базовых гласных звуков. И даже опытный образец нанофотонного процессора, который не отличается особой сложностью, смог сразу обеспечить точность в 77 процентов при выполнении данной задачи. Для сравнения, нейронные сети, реализованные на традиционных вычислительных системах, обеспечивают точность около 90 процентов при выполнении точно такой же задачи, однако оптический процессор практически не потреблял энергию по сравнению с количеством энергии, требующейся для работы суперкомпьютера.

В архитектуру программируемого нанофотонного процессора была изначально заложена возможность масштабирования системы до сколь угодно большой величины. К сожалению, ученые еще не могут указать точно количество времени, которое потребуется для доработки оптической технологии до уровня, позволяющего ее практическое применение.

Тем не менее, это должно произойти в течение ближайших нескольких лет и оптические процессоры смогут стать основой интеллектуальных систем управления и информационных систем, к которым предъявляются очень жесткие требования по количеству потребляемой энергии. В качестве примеров можно привести примеры систем управления беспилотными аппаратами, самоуправляемыми автомобилями-роботами, мобильные потребительские устройства и системы обработки сигналов в реальном времени, которые являются частью коммуникационных систем.