Об этом сообщает «КТРК» со ссылкой на SciTechDaily
Инженеры Пенсильванского университета впервые в истории разработали программируемый фотонный чип, способный обучать нейросети с помощью света. Это открытие может кардинально изменить подход к созданию искусственного интеллекта — от сокращения энергопотребления до стремительного увеличения скорости обучения моделей. Главное преимущество технологии заключается в том, что вычисления выполняются не на электронных компонентах, а на лучах света, что открывает путь к полностью оптическим вычислительным системам.
В отличие от классических чипов, где основным ресурсом служит электрический ток, новый фотонный чип манипулирует светом, заставляя его менять интенсивность и направление движения в зависимости от заданных условий. Такая способность позволяет устройству обрабатывать нелинейные функции — ключевой элемент в обучении глубоких нейронных сетей, без которого невозможна реализация интеллектуального поведения.
Фотонные вычисления и их потенциал
Нейронные сети, вдохновленные работой человеческого мозга, зависят от способности обрабатывать информацию через слои взаимосвязанных узлов. Однако критически важным является наличие нелинейности — только при её наличии система может распознавать сложные зависимости и адаптироваться к новым данным. Без неё вся архитектура сводится к простой линейной модели, неспособной к обучению.
Фотонные чипы, несмотря на высокую скорость работы, долгое время не могли реализовать такие нелинейные функции. Прорыв пенсильванских инженеров заключается в применении уникального полупроводникового материала, свойства которого можно изменять под действием внешнего светового «насоса». Этот луч как бы «переписывает» поведение материала, позволяя трансформировать световой сигнал в нужной форме.
Обучение с помощью света в реальном времени
Уникальность технологии заключается в возможности «перепрограммирования» фотонного чипа в режиме реального времени. Интенсивность и форма управляющего светового луча задают функции, которые должен выполнять чип, — от простых до сложных полиномиальных преобразований. Это означает, что система может учиться на лету, адаптируясь к новым задачам без необходимости физической замены компонентов.
В ходе тестирования платформа показала более 96% точности при решении задач классификации, включая стандартный датасет Iris, широко используемый в машинном обучении. Причем чип использовал меньше вычислительных операций, чем традиционные цифровые модели, и обходился без энергоемких электронных компонентов.
Сравнение эффективности с традиционными системами
Результаты исследований показывают, что четыре нелинейные фотонные соединения на новом чипе способны заменить до двадцати линейных электронных связей с фиксированными функциями активации. Такая эффективность демонстрирует огромный потенциал масштабирования архитектуры в будущем, делая систему не только мощной, но и энергоэффективной.
Помимо экономии энергии, фотонная технология может сократить тепловые потери и уменьшить затраты на охлаждение в дата-центрах. Это особенно важно в условиях растущего спроса на ресурсоемкие ИИ-модели, такие как большие языковые модели, требующие колоссальных вычислительных мощностей.
Будущее фотонных вычислений
Разработка Penn Engineering ориентирована на полиномиальные функции, однако в перспективе методика может быть расширена до реализации экспоненциальных и других сложных математических операций. Это создаёт возможности для применения технологии в самых ресурсоемких сферах, включая генеративные модели и нейросимуляторы.
Фотонный чип, подобно холсту, на который наносится управляющий световой рисунок, становится основой для построения перепрограммируемых вычислительных устройств. Исследователи видят в этом шаг к новой эпохе, в которой свет не только передаёт информацию, но и становится её активным вычислительным носителем.
Напомним, ранее мы писали про перспективу в виртуальной реальности.
