Фотонно – Тензорный Процессор выполняет векторно-матричные умножения, применяя эффективное взаимодействие света на различных длинах волн с фотонной памятью с изменением фазового состояния. (nerd.az: тензорно процессорное устройство было разработано компанией Google – Google TPU, специально для машинного обучения Tensor Flow).
Использование фотонов позволяет создавать более мощные и энергоэффективные процессоры для более сложного машинного обучения.
Машинное обучение (machine learning), осуществляемое нейронными сетями, является популярным подходом к развитию искусственного интеллекта, поскольку исследователи стремятся повторить работу мозга человека для различных задач.
Статья в журнале Обзоры Прикладной Физики (Applied Physics Reviews) издательства AIP Publishing предлагает новый подход к выполнению вычислений, требуемых нейронными сетями, с использованием света (фотонов) вместо электричества. В этом подходе Фотонно – Тензорный Процессор выполняет параллельно умножение матриц, повышая скорость и производительность современных парадигм глубокого обучения (deep learning).
В машинном обучении, нейронные сети специально обучены для того, чтобы научиться выполнять принятие решений и классификацию неизвестных данных без стороннего вмешательства. После того, как нейронная сеть обучена выполнять требуемую от нее работу с такими данными, она может произвести самостоятельный вывод, чтобы определить и классифицировать похожие элементы и шаблоны, а также найти общую характеристику в этих данных.
Фотонно – Тензорное Процессорное Устройство (ФТПУ) хранит и обрабатывает данные параллельно. А наличие электро-оптической связи, позволяет эффективно читать и записывать оптическую память, а также позволяет ФТПУ взаимодействовать с другими архитектурами.
Мы обнаружили, что встроенные фотонные платформы, которые объединены с эффективной оптической памятью, могут выполнять те же операции, что и Тензорное Процессорное Устройство, но при этом потребляют лишь малую часть энергии и имеют более высокую производительность, а при своевременном обучении могут быть использованы для выполнения умозаключений со скоростью света.
– говорит Марио Мискуглио (Mario Miscuglio), один из авторов.
Большинство нейронных сетей способны работать с многочисленными уровнями взаимосвязанных нейронов, стремясь имитировать человеческий мозг. Эффективным способом создания этих сетей является композиция функции, которая умножает матрицы и векторы одновременно. Таким образом, можно выполнять параллельные операции с помощью архитектур, специализирующихся на векторных операциях, таких как умножение матриц.
Однако, чем интеллектуальнее задача и чем выше точность желаемого прогноза, тем сложнее становится нейронная сеть. Такие сети требуют больших объемов данных для вычислений и большей производительности для обработки этих данных.
Современные электронные процессоры (такие как Графические или Тензорные процессоры), используемые для глубокого обучения, ограничены в выполнении более сложных операций с большей точностью из-за меньшей производительности. А также из-за медленной передачи электронных данных между процессором и памятью создается ограничение.
Исследователи показали, что производительность ФТПУ может быть минимум в два-три раза выше, чем у электрических ТПУ. Фотоны могут также идеально подходить для узловых сетей – распределенных сетей, производящих вычисления, и движков, выполняющих интеллектуальные задачи с высокой скоростью 5G. На высокой скоростной границе 5G данные от камер видеонаблюдения, оптических датчиков и других источников могут уже существовать в виде фотонов.
Специальные фотонные процессоры могут сэкономить огромное количество электроэнергии, улучшить время отклика и снизить нагрузку на центр обработки данных.
– сказал Мискуглио
Что это означает для конечного пользователя ?
Это означает, что данные обрабатываются намного быстрее. Поскольку большая часть данных будет передана заранее искусственному интеллекту, и будет обработана в процессе машинного обучения посредством Фотонных Процессоров. Только очень небольшая часть данных должна быть отправлена в облачную сеть или центр обработки данных. Значит, в некоторых случаях операции будут выполняться со скоростью света. Чтобы достичь этого, огромное количество данных будет собрано и отправлено в Искусственный Интеллект посредством высокоскоростной связи 5G…
nerd.az
