Инженеры из Китая разработали новые фотонные чипы, позволяющие нейронным сетям обучаться с помощью света вместо электроники. Это открытие может значительно ускорить работу автономных машин и роботов, которые учатся на взаимодействии с реальным миром. Результаты опубликованы в журнале Optica.
Чипы используют технологию, называемую фотонной импульсной нейронной системой. Она имитирует работу биологических нейронов: сигналы передаются короткими вспышками, только вместо электричества используется свет.
Преодоление старого ограничения
Ранее фотонные нейронные системы могли обрабатывать лишь линейные вычисления, а для сложных операций обучения требовалась электроника.
«Ранее для нелинейных этапов, обеспечивающих обучение и принятие решений, требовалось обратное преобразование сигнала в электронный формат. Это приводило к задержке и сводило на нет преимущества фотоники в плане скорости и энергопотребления», — объяснила Шуйин Сян из Сидяньского университета.
Новая система решает эту проблему: она полностью переносит все вычисления, включая сложные нелинейные, в оптическую область.
Как работает платформа
Система построена на двух чипах. Один — 16-канальный фотонный процессор с 272 обучаемыми параметрами, который одновременно обрабатывает несколько оптических сигналов. Второй — лазерная матрица с обратной связью и поглотителем, обеспечивающая нелинейное оптическое излучение с низким порогом.
Для проверки возможности обучения с чипами исследователи использовали метод проб и ошибок, известный как обучение с подкреплением. Сначала модель обучали программно, затем переносили обучение на чипы, уточняя результаты через программное обеспечение.
Тесты и эффективность
Команда проверила систему на двух задачах управления: удержании шеста на движущейся тележке и стабилизации перевернутого маятника. Аппаратное выполнение почти полностью совпадало с программной моделью, точность снизилась всего на 1,5–2 %.
Производительность оказалась впечатляющей: линейные операции достигли 1,39 тераопераций на ватт, а нелинейные — 988 гигаопераций на ватт. Задержка вычислений составила всего 320 пикосекунд — это меньше одной триллионной секунды. Для роботов и автономных машин это означает почти мгновенный отклик на данные.
Если обычному роботу на CPU или GPU, например Tesla Optimus, четырехногому роботу Boston Dynamics Spot или складскому роботу Alibaba, для обучения и адаптации требуется от нескольких секунд до минут, то фотонные нейронные чипы выполняют соответствующие вычисления почти мгновенно — с задержкой на уровне пикосекунд, что резко сокращает время реакции и позволяет ИИ учиться почти в реальном времени.
Перспективы применения
Фотонные чипы могут стать основой для будущих интеллектуальных систем, требующих быстрого обучения и низкого энергопотребления. Потенциальные сферы применения включают автономное вождение и роботов, адаптирующихся к реальной среде.
В будущем разработчики планируют увеличить количество каналов до 128, что позволит решать более сложные задачи. Также рассматриваются компактные гибридные системы для граничных вычислений, где важны скорость и энергоэффективность.
Физики научились запутывать фотоны в четырех измерениях
В Китае создали нейросеть, приближенную к человеческому способу мышления
Подписывайтесь и читайте «Науку» в Telegram