Intel работает над оптическими чипами
Intel в основном проводит исследования.
Новое исследование Intel сосредоточилось на изучении того, что происходит при появлении различных дефектов, которым подвержены оптические чипы при производстве (поскольку вычислительная фотоника является аналоговой по своей природе), вызывающих различия в точности вычислений между разными чипами одного типа.
Хотя подобные исследования уже проводились, в прошлом они были сосредоточены больше на оптимизации после изготовления для устранения возможных неточностей, сообщает «3Dnews».
Но данный подход имеет плохую масштабируемость, поскольку сети становятся все больше в размерах, что приводит к увеличению вычислительной мощности, необходимой для настройки оптических сетей. Вместо оптимизации после изготовления Intel рассмотрела возможность единоразового обучения чипов перед изготовлением благодаря использованию устойчивой к помехам архитектуре. Эталонная оптическая нейронная сеть была обучена один раз, после чего параметры обучения были распределены по нескольким сфабрикованным экземплярам сети с различиями в их компонентах.
Intel рассмотрела две архитектуры для построения систем искусственного интеллекта на базе MZI: GridNet и FFTNet. GridNet предсказуемо размещает MZI в сетке, а FFTNet размещает их в виде «бабочек». После обучения обеих в моделировании на эталонной задаче глубокого обучения распознаванию рукописных цифр (MNIST), исследователи обнаружили, что GridNet достигла более высокой точности, чем FFTNet (98 % против 95 %), но при этом архитектура FFTNet оказалась «значительно более надежной». Фактически производительность GridNet упала ниже 50 % с добавлением искусственного шума (помех, имитирующих возможные дефекты про производстве оптических чипов), в то время как для FFTNet она оставалась почти постоянной.
Ученые утверждают, что их исследования закладывают основу для методов обучения искусственного интеллекта, которые помогут избавиться от необходимости тонкой настройки оптических чипов после их производства, экономя драгоценное время и ресурсы.
Стартап Lightelligence, базирующийся в Бостоне, который привлек венчурное финансирование на сумму 10,7 млн. долларов США и недавно продемонстрировал прототип оптического чипа для машинного обучения, который в 100 раз быстрее, чем современные электронные чипы, а также на порядок снижает энергопотребление, что еще раз наглядно демонстрирует перспективы фотонных технологий.
