Сделав большой шаг вперед в области искусственного интеллекта (ИИ), международная группа исследователей во главе с Технологическим университетом Суинберна разработала самый мощный в мире нейроморфный процессор для ИИ. Он работает с поразительной скоростью — более 10 триллионов операций в секунду (TeraOps / s), что означает, что он может обрабатывать сверхбольшие данные.
Работа опубликована в журнале Nature .
Во главе с профессором Суинберна Дэвидом Моссом, доктором Синюань Сюй и выдающимся профессором Арнаном Митчеллом из Университета RMIT команда увеличила скорость вычислений и вычислительную мощность. Им удалось создать оптический нейроморфный процессор, способный работать более чем в 1000 раз быстрее, чем любые предыдущие. Система также может обрабатывать сверхбольшие изображения, что важно для распознавания лиц, поскольку предыдущие оптические процессоры в этом отношении не справлялись.
Профессор Мосс является директором Центра оптических наук Суинберна, и он был назван австралийским австралийским исследователем в области физики и математики в области оптики и фотоники.
«Этот прорыв был достигнут с помощью« оптических микрогребней », как и наша мировая рекордная скорость передачи данных в Интернете, о которой сообщалось в мае 2020 года», — сказал он.
Другие топовые процессоры и микрогребни
Лучшие электронные процессоры, такие как Google TPU, могут работать со скоростью более 100 тераопераций в секунду. Однако для этого требуются десятки тысяч параллельных процессоров, тогда как оптическая система команды полагается только на один процессор. Они достигли этого с помощью новой техники, которая включала одновременное чередование данных по времени, длине волны и пространственным измерениям через встроенный источник микрогребенок.
Для тех, кто не знаком с микрогребнями, это новые устройства, состоящие из сотен высококачественных инфракрасных лазеров на одном чипе. По сравнению с другими оптическими источниками микрогребни намного быстрее, легче и дешевле.
«За 10 лет, прошедших с момента их изобретения, интегрированные микросхемы на основе микрогребней стали чрезвычайно важными, и действительно интересно видеть, как они обеспечивают эти огромные успехи в передаче и обработке информации», — говорит профессор Мосс. «Микрочесы открывают для нас огромные перспективы удовлетворить ненасытные потребности мира в информации».
Процессор будущего
Доктор Сюй был со-ведущим автором исследования, выпускником Суинберна и научным сотрудником с докторской степенью кафедры инженерии электрических и компьютерных систем Университета Монаша.
«Этот процессор может служить универсальным интерфейсом со сверхвысокой пропускной способностью для любого нейроморфного оборудования — оптического или электронного — обеспечивая доступность машинного обучения для обработки больших объемов данных в режиме реального времени», — говорит доктор Сюй.
«В настоящее время мы получаем представление о том, как будут выглядеть процессоры будущего. Это действительно показывает нам, насколько резко мы можем увеличить мощность наших процессоров за счет инновационного использования микрочастиц », — продолжает он.
По словам профессора Митчелла из RMIT: «Эта технология применима ко всем формам обработки и связи — она окажет огромное влияние. В долгосрочной перспективе мы надеемся реализовать полностью интегрированные системы на кристалле, что значительно снизит затраты и потребление энергии ».
Профессор Дэмиен Хикс из Суинберна и Института Уолтера и Элизабет Холл поддерживает исследовательскую группу.
«Сверточные нейронные сети сыграли центральную роль в революции искусственного интеллекта, но существующие кремниевые технологии все чаще представляют собой узкое место в скорости обработки и энергоэффективности», — говорит профессор Хикс.
«Этот прорыв показывает, как новая оптическая технология делает такие сети более быстрыми и эффективными, и является убедительной демонстрацией преимуществ междисциплинарного мышления, наличия вдохновения и смелости, чтобы взять идею из одной области и использовать ее для решения фундаментальной проблемы. проблема в другом, — продолжает он.