Современные глубокие нейронные сети, лежащие в основе самых сложных задач машинного обучения, становятся настолько мощными, что традиционные электронные вычислительные системы сталкиваются с их ограничениями.
Ученые из Массачусетского технологического института (MIT) совершили прорыв, разработав фотонный чип, который способен выполнять все ключевые вычисления нейронной сети с использованием света, значительно ускоряя процесс и снижая энергозатраты. Разработка была представлена в журнале Nature Photonics. Новый фотонный процессор продемонстрировал возможность завершения сложных вычислений, необходимых для классификации данных, за менее чем половину наносекунды. При этом точность его работы составила более 92%, что сопоставимо с результатами традиционных электронных систем.
Глубокие нейронные сети состоят из множества взаимосвязанных слоев нейронов, которые преобразуют входные данные для получения полезного результата. Ключевая часть этих вычислений — умножение матриц, которое выполняется на линейной стадии обработки данных. Однако важнейшим компонентом нейронных сетей являются нелинейные операции, например, активационные функции. Именно они позволяют моделям обучаться сложным паттернам и решать задачи высокой сложности.
В 2017 году группа профессора Дирка Энглунда из MIT представила первый оптический чип для выполнения линейных вычислений с использованием света. Но тогда устройство не могло выполнять нелинейные операции внутри чипа, что требовало конвертации оптических данных в электрические сигналы и их обработки на внешнем цифровом процессоре.
