Der Chip kann mit Licht nichtlineare neuronale Netze trainieren - ein Durchbruch, der das KI -Training erheblich beschleunigen, den Energieverbrauch reduzieren und sogar den Weg für all -optische Computer ebnen könnte.
Aktuelle KI -Chips sind elektronisch und verlassen sich auf Strom, um Berechnungen durchzuführen, aber dieser neue Chip ist photonisch. Der in der Journal Nature Photonics beschriebene Chip verändert das Verhalten von Licht, um die nichtlineare Mathematik im Herzen der modernen KI durchzuführen.
Die meisten aktuellen KI -Systeme stützen sich auf neuronale Netze, Software, die das biologische Nervengewebe nachahmt. So wie Neuronen eine Verbindung herstellen, um Organismen zu denken, ermöglichen neuronale Netze AI -Systeme, komplexe Aufgaben durchzuführen, indem sie Schichten einfacher Einheiten oder "Knoten" verbinden.
Der Durchbruch des Teams begann mit einem speziellen Halbleitermaterial, das auf Licht reagiert. Wenn ein Strahl aus "Signal" Licht (Tragendaten) durch das Material verläuft, passt ein "Pumpen", der von oben leuchtet, wie das Material reagiert.
Durch Ändern der Form und Intensität des Pumpenlichts kann das Team steuern, ob das Signallicht abhängig, übertragen oder verstärkt wird, abhängig von der Intensität des Lichts und des Verhaltens des Materials. Dieser Prozess "programmiert" den Chip, um verschiedene nichtlineare Funktionen auszuführen.
Es ist erwähnenswert, dass diese Forschung die Grundstruktur des Chips nicht verändert hat, sondern die von Licht im Material gebildeten Muster verwendet, um die Art und Weise, wie Licht durchläuft, umzugestalten. Dies erzeugt ein rekonfigurierbares System, das eine Vielzahl von mathematischen Funktionen ausdrücken kann, die auf dem Pumpenmuster basieren, um in Echtzeit zu lernen und sein Verhalten basierend auf dem Ausgangsfeedback anzupassen.
Um die Fähigkeiten des Chips zu überprüfen, hat das Team es verwendet, um eine Reihe von Benchmark -AI -Problemen zu lösen. Bei einfachen nichtlinearen Entscheidungsgrenzenaufgaben wurde eine Genauigkeit von mehr als 97% erreicht; Im berühmten Problem der IRIS -Datensatz wurde eine Genauigkeit von mehr als 96% erreicht. Dies zeigt, dass photonische Chips im Vergleich zu herkömmlichen digitalen neuronalen Netzwerken nicht nur eine vergleichbare oder sogar bessere Leistung aufweisen, sondern auch einen geringeren Energieverbrauch, da sie die Abhängigkeit von Stromverbrauchskomponenten verringern.
Darüber hinaus zeigte das Experiment auch, dass nur 4 nichtlineare optische Verbindungen den Effekt von 20 festen nichtlinearen Aktivierungsfunktionen linearer elektronischer Verbindungen im traditionellen Modell erreichen können, was das große Potenzial der Technologie zeigt. Wenn die Architektur weiter erweitert wird, wird die Effizienz noch bedeutender sein.
Im Gegensatz zu früheren photonischen Systemen, die nach der Herstellung festgelegt sind, bietet dieser neue Chip eine leere Plattform, mit der pumpen Licht programmierbares Anweisungen wie ein Pinsel anziehen können. Es ist ein praktischer Beweis für das Konzept von feldprogrammierbaren photonischen Computern und markiert einen wichtigen Schritt zum Training von KI mit Lichtgeschwindigkeit.