Фотонные процессоры на кристалле стали инновационным решением для быстрого выполнения задач машинного обучения благодаря сверхнизкому энергопотреблению.
Однако повышение вычислительной плотности таких систем остается серьезной проблемой, в первую очередь из-за трудностей миниатюризации и интеграции ключевых компонентов оптической интерференции. Команда ученых из США и Китая смогла решить эту проблему и представила метод производства сверхкомпактных фотонных процессоров площадью всего 64 мкм², что в 1000 раз меньше, по сравнению с традиционными оптическими нейросетями.
Машинное обучение с использованием нанофотонных сред стало многообещающим подходом к сокращению объема оптических вычислений на кристалле. Аналогичные подходы применяются и к матричным операциям на кристалле.
Тем не менее, создание компактных и функциональных нейронных вычислительных структур с использованием нанофотонных сред, которые без ущерба для себя интегрируют в процесс обучения присущие процессорам ограничения производства, остается экспериментальной задачей. Разработка таких структур, совместимых с общими технологиями изготовления, в потенциале раскроет все возможности интегрированных фотонных платформ для устройств машинного обучения.
Китайские учёные из Университета Цинхуа и американские учёные из MIT взяли и изучили разные современные штуки для энергоэффективных оптических компов, типа интерферометров, волноводных аттенюаторов, микроколец и дифракционных элементов. Но все это оказалось не очень крутым из-за ограничений в компонентах, которые не дают уменьшить размеры.
Поэтому они придумали новый подход с использованием нанофотонных носителей. Это первый готовый и проверенный чип для нейронных вычислений на кремнии, который использует нанофотонные носители и прошел тесты на наборе данных Iris flower17.
Этот чип размером всего 64 мкм², что в тысячу раз меньше, чем у обычных оптических нейронных сетей. После обучения он показал точность 86,7%, и экспериментальная точность тоже была 86,7%.
Новый чип не только маленький, но и масштабируемый.
Ученые проверили его на наборе из 1797 изображений для распознавания рукописных цифр, и он показал точность 92,8%. Энергопотребление составило всего 1 мВт для оптического ввода и 56 мВт для управления фазовращателями, а задержка вычислений — 0,11 пикосекунды.
И это круто! Теперь у нас есть сверхплотные, энергоэффективные фотонные процессоры для ИИ, которые могут значительно уменьшить размеры оборудования, время задержки и энергопотребление. Об этом говорится в статье на arXiv, которую мы опубликуем в комментариях.
Фотонные преобразователи энергии превращают лазерный свет в электроэнергию и позволяют интегрировать фотонику в существующую волоконно-оптическую инфраструктуру. Специалисты из Канады испытали такой преобразователь и выяснили, что он способен одновременно подключать и заряжать электронику на больших расстояниях с помощью простого оптоволокна, даже в самых суровых условиях.