Исследователи продемонстрировали обучение на фотонных нейроморфных чипах, которые полностью обрабатывают нейронные сигналы, достигая эффективности GPU-класса.
Ученые утверждают, что новая система устраняет серьезное узкое место, которое замедлило развитие фотонного искусственного интеллекта.
Ранее системы все еще нуждались в электронике для ключевых этапов обучения. Новый дизайн полностью удерживает эти операции в оптической области.
Фотонные нейронные системы используют короткие всплески света для представления нейронных сигналов. Эти оптические всплески перемещаются через фотонные цепи гораздо быстрее, чем электрические сигналы.
Однако предыдущие фотонные системы могли обрабатывать только линейные вычисления с помощью света.
Исследователи разработали программируемую фотонную нейроморфную платформу для демонстрации концепции. Система использует два чипа, работающих вместе. Один чип содержит 16-канальный фотонный нейроморфный процессор. Он включает в себя 272 обучаемых параметра и одновременно обрабатывает несколько оптических сигналов. Второй чип оснащен распределенной лазерной обратной связью с насыщаемым абсорбером. Этот компонент обеспечивает низкопороговое нелинейное оптическое шипирование.
Исследователи протестировали систему с помощью обучения с подкреплением. Этот подход к искусственному интеллекту обучает системы методом проб и ошибок.
"Мы использовали эту систему для демонстрации обучения с подкреплением, поддерживаемого аппаратно-программной структурой для совместной работы, которая обучает и управляет нейронной сетью", - сказал Сян Шуйин, руководитель исследовательской группы из Университета Сидянь в Китае.
«Система смогла быстро учиться методом проб и ошибок, демонстрируя потенциал в качестве быстрого решения с низкой задержкой, которое можно было бы использовать для таких приложений, как автономное вождение и воплощенный интеллект».
Инженеры сначала обучили нейронную модель в программном обеспечении. Затем чипы выполнили аппаратное обучение и выполнение.
Позже исследователи доработали результаты в программном обеспечении, чтобы учесть небольшие аппаратные вариации.
Команда оценила систему с помощью двух стандартных задач управления.
Один из них включал балансировку столба на движущейся тележке, известной как задача CartPole. Другой требовал стабилизации перевернутого маятника.
Аппаратные решения тесно соответствовали программной модели. Точность снизилась всего на 1,5 процента для CartPole и на 2 процента для теста маятника.
Система также обеспечила высокую вычислительную производительность. Фотонная линейная обработка достигла 1,39 тера операций в секунду на ватт. Нелинейные вычисления достигли почти 988 гигабайт операций в секунду на ватт. Задержка в чиповых вычислений составляла всего 320 пикосекунд.
В случае успеха фотонное оборудование ИИ может предложить альтернативу электронным процессорам в будущих интеллектуальных машинах.
Исследование опубликовано в журнале Optica.