Investigadores de la Universidad George Washington, junto con investigadores de la Universidad de California, Los Ángeles, y la empresa emergente de tecnología profunda Optelligence LLC, han desarrollado un acelerador de red neuronal convolucional óptico capaz de procesar grandes cantidades de información, en el ordende petabytes, por segundo. Esta innovación, que aprovecha el paralelismo masivo de la luz, presagia una nueva era de procesamiento de señales ópticas para el aprendizaje automático con numerosas aplicaciones, incluidos automóviles autónomos, redes 5G, centros de datos, diagnósticos biomédicos, datos-seguridad y más.
La demanda mundial de hardware de aprendizaje automático está superando drásticamente las fuentes de alimentación de computación actuales. El hardware electrónico de última generación, como las unidades de procesamiento de gráficos y los aceleradores de unidades de procesamiento de tensor, ayudan a mitigar esto, pero se ven intrínsecamente desafiados por el procesamiento de datos en serie querequiere un procesamiento de datos iterativo y encuentra retrasos debido a las limitaciones del cableado y los circuitos. Las alternativas ópticas al hardware electrónico podrían ayudar a acelerar los procesos de aprendizaje automático al simplificar la forma en que se procesa la información de una manera no iterativa. Sin embargo, el aprendizaje automático basado en fotones suele estar limitado porla cantidad de componentes que se pueden colocar en circuitos integrados fotónicos, lo que limita la interconectividad, mientras que los moduladores de luz espacial de espacio libre están restringidos a velocidades de programación lentas.
Para lograr un gran avance en este sistema óptico de aprendizaje automático, los investigadores reemplazaron los moduladores de luz espacial con tecnología digital basada en espejos, desarrollando así un sistema 100 veces más rápido. La sincronización no iterativa de este procesador, en combinación con una programación rápida yLa paralelización masiva permite que este sistema óptico de aprendizaje automático supere incluso a las unidades de procesamiento de gráficos de primera línea en más de un orden de magnitud, con espacio para una mayor optimización más allá del prototipo inicial.
A diferencia del paradigma actual en hardware de aprendizaje automático electrónico que procesa información secuencialmente, este procesador usa la óptica de Fourier, un concepto de filtrado de frecuencia que permite realizar las convoluciones requeridas de la red neuronal como multiplicaciones de elementos mucho más simples usando el espejo digitaltecnología.
"La óptica permite procesar matrices a gran escala en un solo paso de tiempo, lo que permite nuevos vectores de escala para realizar convoluciones ópticamente. Esto puede tener un potencial significativo para aplicaciones de aprendizaje automático como se demuestra aquí", dijo Puneet Gupta, profesor y vicepresidentepresidente de ingeniería informática en UCLA.
Fuente de la historia :
Materiales proporcionado por Universidad George Washington . Nota: el contenido se puede editar por estilo y longitud.
Referencia de la revista :
cite esta página :