18 دسامبر 2020توسط دانشگاه جورج واشنگتن
محققان دانشگاه جورج واشنگتن به همراه محققان دانشگاه کالیفرنیا ، لس آنجلس و شرکت مبتنی بر فناوری عمیق Optelligence LLC ، یک شتاب دهنده شبکه عصبی کانولوشن نوری ساخته اند که قادر به پردازش مقادیر زیادی از اطلاعات ، بر مبنای پتابایت در هر ثانیه است. این نوآوری ، که از موازی بودن گسترده نور استفاده می کند ، عصر جدیدی از پردازش سیگنال نوری را برای یادگیری ماشینی با کاربردهای بی شماری از جمله در اتومبیل های خودران ، شبکه های 5G ، مراکز داده ، تشخیص های پزشکی ، امنیت داده ها و موارد دیگر بشارت می دهد.
تقاضای جهانی برای سخت افزار یادگیری ماشینی به طور چشمگیری از منابع فعلی محاسبات پیشی می گیرد. سخت افزار الکترونیکی پیشرفته ، مانند واحدهای پردازش گرافیک و شتاب دهنده های واحد پردازش تنسور ، در کاهش این مشکل کمک می کنند ، اما پردازش داده های سریالی که به پردازش داده های تکراری نیاز دارند و با تأخیر دراتصالات و محدودیت های مدار روبرو می شوند ، مورد چالش قرار می گیرند. گزینه های نوری برای سخت افزار الکترونیکی می توانند با ساده سازی روش پردازش اطلاعات به روشی غیر تکراری ، به سرعت بخشیدن به فرایندهای یادگیری ماشینی کمک کنند. با این حال ، یادگیری ماشینی مبتنی بر فوتونیک به طور معمول توسط تعداد مولفه هایی که می توان در مدارهای مجتمع فوتونیکی قرار داد ، محدود می شود ، و این باعث می شود اتصال متقابل محدود شود ، در حالی که تعدیل کننده های فضای نوری فضایی محدود به سرعت برنامه نویسی کند هستند.
برای دستیابی به موفقیت در این سیستم یادگیری ماشینی نوری ، محققان فناوری مبتنی بر آینه دیجیتال را جایگزین تعدیل کننده های نور فضایی کردند ، بنابراین یک سیستم را بیش از 100 برابر سریعتر توسعه دادند. زمان بندی غیر تکراری این پردازنده ، در ترکیب با قابلیت برنامه ریزی سریع و موازی سازی گسترده ، این سیستم یادگیری ماشینی نوری را قادر می سازد تا حتی در بالاترین سطح پردازش گرافیک با بیش از یک مرتبه بزرگتر ، با فضای بهینه سازی بیشتر ، عملکرد بهتری داشته باشد.
برخلاف پارادایم فعلی در سخت افزار یادگیری ماشینی الکترونیکی که به طور متوالی اطلاعات را پردازش می کند ، این پردازنده از نوری فوریه استفاده می کند ، مفهومی برای فیلتر کردن فرکانس که امکان انجام پیچش های مورد نیاز شبکه عصبی را با استفاده از فناوری آینه دیجیتال فراهم می کند.
ولکر سورگر ، دانشیار مهندسی برق و کامپیوتر می گوید: “این پردازنده نوری فوریه تنها با دامنه کاملاً موازی نوید دوره جدیدی برای پردازش اطلاعات و یادگیری ماشینی است. ما نشان می دهیم که آموزش این شبکه عصبی می تواند کمبود اطلاعات فاز را به حساب آورد.”
پونیت گوپتا ، استاد و معاون رئیس دانشگاه می گوید: “اپتیک امکان پردازش ماتریس های بزرگ را در یک مرحله زمانی فراهم می کند ، که به شما امکان می دهد بردارهای جدید مقیاس گذاری برای انجام پیچیدگی های نوری را بدست آورید. این می تواند پتانسیل قابل توجهی برای برنامه های یادگیری ماشینی داشته باشد.
حامد دلیر ، بنیانگذار Optelligence LLC ، می گوید: “این نمونه اولیه یک مسیر تجاری را برای شتاب دهنده های نوری آماده برای تعدادی از برنامه ها مانند پردازش لبه شبکه ، مراکز داده و سیستم های محاسباتی با عملکرد بالا نشان می دهد.”
مقاله “شبکه عصبی فوریه تنها با دامنه موازی” در مجله Optica منتشر شد.
