Wavelength-Division-Multiplexed Photonic Tensor Core Using Nonvolatile and Volatile Weighting with a General Matrix-Multiply Compiler
Diese Arbeit präsentiert das Design, die Fabrikation und die experimentelle Demonstration eines wellenlängenmultiplexen photonischen Tensor-Kerns, der sowohl nichtflüchtiges Phasenwechsel-Speicher als auch volatile thermo-optische Gewichtung integriert, unterstützt durch einen maßgeschneiderten Compiler, um eine hocheffiziente Matrixmultiplikation mit einer projizierten Leistung von 8,75 TOPS und 3,04 TOPS/W zu erreichen.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
In der modernen Welt ist künstliche Intelligenz zu einer mächtigen Kraft geworden, die alles von der medizinischen Diagnostik bis hin zu autonomen Fahrzeugen antreibt. Diese Intelligenz hat jedoch einen hohen Preis: Die massiven Computerchips, die diese Systeme antreiben, stoßen an ihre physikalischen Grenzen. Sie werden zu groß, zu langsam und zu energiehungrig, um mit der wachsenden Nachfrage nach komplexen Berechnungen Schritt zu halten. Um dies zu lösen, blicken Wissenschaftler zum Licht. Anstatt Elektrizität zu verwenden, um Informationen durch Siliziumdrähte zu bewegen, wie es herkömmliche Computer tun, erforschen Forscher Wege, Photonen oder Lichtteilchen zu nutzen, um Berechnungen durchzuführen. Licht kann schneller reisen und mehr Daten mit weniger Hitze übertragen, was einen potenziellen Weg zu Maschinen eröffnet, die sowohl unglaublich schnell als auch bemerkenswert effizient sind. Die Herausforderung bestand darin, einen Chip zu bauen, der Licht nicht nur leiten, sondern es auch nutzen kann, um die spezifische, schwere Mathematik auszuführen, die künstliche Intelligenz erfordert – bekannt als Matrixmultiplikation –, ohne an Genauigkeit oder Stabilität zu verlieren.
Ein Forschungsteam hat nun einen bedeutenden Schritt nach vorn gemacht, indem es einen neuen Typ Computerchip entworfen und getestet hat, der Licht nutzt, um diese essenziellen Berechnungen durchzuführen. Sie entwickelten eine Vorrichtung namens photonischer Tensor-Kern, die als spezialisierter Motor für die Mathematik hinter der künstlichen Intelligenz fungiert. Das Team baute zwei verschiedene Versionen dieses Motors, um zu sehen, wie sie unterschiedliche Arten von Aufgaben bewältigen können. Eine Version verwendet ein spezielles Material, das Informationen dauerhaft speichern kann, ohne Strom zu benötigen, ähnlich einem digitalen Speicher, der niemals vergisst. Die andere Version nutzt ein schnell anpassbares System, das seine Einstellungen in einem Augenblick ändern kann, wodurch es sich schnell an neue Daten anpassen kann. Beide Versionen beruhen auf einer Technik namens Wellenlängen-Multiplexverfahren, die es dem Chip ermöglicht, mehrere Datenströme gleichzeitig zu senden, indem verschiedene Farben des Lichts verwendet werden, ähnlich wie eine Autobahn über mehrere Spuren verfügt, um mehr Verkehr zu bewältigen, als eine einzelne Straße könnte.
Die Forscher bauten diese Chips erfolgreich und testeten sie, um zu sehen, wie gut sie reale Aufgaben ausführen könnten. Sie fanden heraus, dass die Version mit dem permanenten Material extrem energieeffizient war und fast keinen Strom verbrauchte, um seine Einstellungen zu halten, was sie ideal für Geräte macht, die über lange Zeit mit einer einzigen Batterie betrieben werden müssen. Die anpassbare Version verbrauchte zwar etwas mehr Strom, um ihre Einstellungen zu ändern, bot aber eine höhere Präzision und konnte schnell rekonfiguriert werden, was sie besser für Aufgaben eignet, die ständige Aktualisierungen erfordern. Um zu beweisen, dass das System funktionierte, nutzte das Team es zur Verarbeitung von Bildern. Sie baten den Chip, Kanten in einem Bild zu identifizieren und ein Gesicht mit einer digitalen Maske zu kombinieren – Aufgaben, die grundlegend dafür sind, wie Computer die Welt „sehen“ und verstehen. Der Chip führte diese Operationen mit einer sehr geringen Fehlerrate aus und schloss die Berechnungen erfolgreich ab, für die normalerweise ein viel größerer und stromhungrigerer elektronischer Prozessor erforderlich wäre.
Um sicherzustellen, dass das System die komplexe Mathematik bewältigen kann, die für größere Modelle der künstlichen Intelligenz benötigt wird, entwickelten die Forscher auch ein spezielles Softwarewerkzeug. Dieses Werkzeug fungiert als Übersetzer, der massive, komplizierte mathematische Probleme in kleinere Teile zerlegt, die der physische Chip bewältigen kann. Sie testeten diese Kombination aus Hardware und Software, indem sie simulierten, wie der Chip handgeschriebene Zahlen erkennt, ein klassischer Test für künstliche Intelligenz. Die Ergebnisse zeigten, dass das lichtbasierte System bei der Handhabung der komplexesten Teile der Mathematik zwar etwas weniger genau war als ein Standard-Elektronischer Computer, aber in Bezug auf Geschwindigkeit und Energieverbrauch weitaus überlegen war. Die Forscher schätzen, dass, falls sie ihr Design auf eine größere Größe skalieren würden, das System Milliarden von Berechnungen pro Sekunde durchführen könnte, während es nur einen Bruchteil der Energie verbraucht, die die heutige Technologie benötigt.
Diese Arbeit zeigt, dass es möglich ist, ein modulares System zu bauen, in dem verschiedene Arten von lichtbasierten Prozessoren kombiniert werden können, um spezifischen Bedürfnissen zu entsprechen. Das Team zeigte, dass sie durch die Nutzung von Licht für die schwere Arbeit der mathematischen Berechnungen ein System schaffen konnten, das nicht nur schneller, sondern auch wesentlich kompakter und energieeffizienter ist als das, was derzeit verfügbar ist. Während der aktuelle Prototyp ein kleiner Machbarkeitsnachweis ist, legen die demonstrierten Prinzipien den Weg für eine Zukunft, in der künstliche Intelligenz auf kleinen, tragbaren Geräten laufen könnte, ohne die Notwendigkeit massiver Rechenzentren. Die Forscher glauben, dass sie durch die kontinuierliche Verfeinerung dieser lichtbasierten Chips und deren Integration in bestehende elektronische Systeme die Tür zu einer neuen Generation von Technologie öffnen können, die in der Lage ist, Informationen mit der Geschwindigkeit des Lichts zu verarbeiten, und damit leistungsstarke künstliche Intelligenz an die Grenze des Netzwerks bringt, wo sie am dringendsten benötigt wird.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.