De chip kan licht gebruiken om niet -lineaire neurale netwerken te trainen - een doorbraak die de AI -training aanzienlijk kan versnellen, het energieverbruik kan verminderen en zelfs de weg kan effenen voor all -optische computers.
Huidige AI -chips zijn elektronisch en vertrouwen op elektriciteit om berekeningen uit te voeren, maar deze nieuwe chip is fotonisch. Beschreven in het tijdschrift Nature Photonics, wijzigt de chip het gedrag van licht om de niet -lineaire wiskunde in het hart van de moderne AI uit te voeren.
De meeste huidige AI -systemen vertrouwen op neurale netwerken, software die biologisch neuraal weefsel nabootst. Net zoals neuronen verbinding maken om organismen in staat te stellen te denken, stellen neurale netwerken AI -systemen in staat om complexe taken uit te voeren door lagen eenvoudige eenheden of "knooppunten" te verbinden.
De doorbraak van het team begon met een speciaal halfgeleidermateriaal dat op licht reageert. Wanneer een bundel van "signaal" licht (invoergegevens met invoer) door het materiaal passeert, past een "pomp" balk van bovenaf aan hoe het materiaal reageert.
Door de vorm en intensiteit van het pomplicht te veranderen, kan het team regelen of het signaallicht wordt geabsorbeerd, overgedragen of versterkt, afhankelijk van de intensiteit van het licht en het gedrag van het materiaal. Dit proces "programmeert" de chip om verschillende niet -lineaire functies uit te voeren.
Het is vermeldenswaard dat dit onderzoek de basisstructuur van de chip niet heeft veranderd, maar gebruikte de patronen gevormd door licht in het materiaal om de manier te hervormen waarop het licht erdoorheen reist. Dit creëert een herconfigureerbaar systeem dat een verscheidenheid aan wiskundige functies kan uitdrukken op basis van het pomppatroon, waardoor het de mogelijkheid heeft om in realtime te leren en het gedrag aan te passen op basis van uitvoerfeedback.
Om de mogelijkheden van de chip te verifiëren, gebruikte het team het om een aantal benchmark AI -problemen op te lossen. Bij eenvoudige niet -lineaire beslissingsgrenstaken werd een nauwkeurigheid van meer dan 97% bereikt; In het beroemde probleem van de IRIS -gegevensset werd een nauwkeurigheid van meer dan 96% bereikt. Dit laat zien dat fotonische chips in vergelijking met traditionele digitale neurale netwerken niet alleen vergelijkbare of zelfs betere prestaties hebben, maar ook een lager energieverbruik omdat ze de afhankelijkheid van machtsverbruikende componenten verminderen.
Bovendien toonde het experiment ook aan dat slechts 4 niet -lineaire optische verbindingen het effect van 20 vaste niet -lineaire activeringsfunctie lineaire elektronische verbindingen in het traditionele model kunnen bereiken, wat het grote potentieel van de technologie aantoont. Naarmate de architectuur verder wordt uitgebreid, zal de efficiëntie nog belangrijker zijn.
In tegenstelling tot eerdere fotonische systemen die na de productie zijn vastgesteld, biedt deze nieuwe chip een leeg platform dat pomplicht kan gebruiken om programmeerbare instructies zoals een penseel te trekken. Het is een praktisch bewijs van het concept van veldprogrammeerbare fotonische computers en markeert een belangrijke stap in de richting van het trainen van AI met de snelheid van het licht.