Про це повідомляє “Kreschatic” з посиланням на SciTechDaily
Світло проти електрики
Уявіть собі штучний інтелект, який замість електричних імпульсів використовує світло. Саме над такою технологією працюють дослідники з Китаю, які створили фотонну нейромережу, здатну обробляти дані у реальному часі зі швидкістю, що в десятки разів перевищує традиційні комп’ютери. Цей прорив базується на поєднанні машинного навчання з технологією розподіленої акустичної сенсорики (DAS), яка використовує волоконно-оптичні кабелі для виявлення вібрацій.
DAS уже застосовується для моніторингу землетрусів, нафтопроводів і залізниць, але проблема завжди була одна — як обробити величезний обсяг даних в режимі реального часу. І тут на сцену виходять фотонні обчислення — технологія, яка замість електронів використовує фотони, тобто світло. Це дозволяє значно пришвидшити обчислення та знизити енергоспоживання.
Прорив у обробці сигналів
Команда дослідників з Нанкінського університету під керівництвом Нінму Цзоу розробила пристрій під назвою Time-Wavelength Multiplexed Photonic Neural Network Accelerator (TWM-PNNA). Це перший у світі успішний приклад інтеграції фотонної нейромережі з системами DAS, який здатен працювати у реальному часі. Їхня інновація дозволяє обробляти двовимірні сигнали DAS шляхом перетворення їх у одномірні вектори, які потім кодуються у світлові сигнали.
Для цього вони використали лазери з різними довжинами хвиль, які відповідають математичним фільтрам нейромережі. Ці фільтри (ядра згортки) потрібні для того, щоб виділяти ключові ознаки з вхідних даних. Такий підхід дозволяє майже миттєво аналізувати інформацію, отриману з оптичних сенсорів.
Як приборкати фотонну точність
Розробка зіткнулася з низкою складних технічних задач. Найбільші труднощі виникли через модулюючий зсув частоти (chirp), який впливає на точність обчислень. Дослідники визначили, що якщо співвідношення цього зсуву до інтервалу між лазерними каналами перевищує 0.1, точність розпізнавання значно падає.
Застосувавши техніку push-pull модуляції, вчені змогли зменшити негативний вплив та досягти точності класифікації понад 90%. Це майже дорівнює точності звичайних електронних систем, яка становить 98,3%. Більше того, система залишалася стабільною навіть тоді, коли зберігалося лише 60% параметрів з’єднання — це відкриває шлях до спрощення моделей без втрати якості.
Потужність, яка вражає
За результатами тестування, TWM-PNNA виконує 1,6 трильйона операцій на секунду (TOPS) з енергоефективністю 0,87 TOPS/Вт. Теоретично система здатна досягти 81 TOPS при ефективності 21,02 TOPS/Вт — це в рази перевершує сучасні графічні процесори, які використовуються в AI-розрахунках. Завдяки цьому відкривається перспектива створення більш екологічних, економічних і продуктивних рішень для аналізу даних.
Розробка дає змогу не лише вдосконалити системи моніторингу інфраструктури, але й закладає фундамент для нової епохи обчислень, де світло може стати головним рушієм штучного інтелекту.
Нагадаємо, раніше ми писали про штучний інтелект у науці.
