Wavelength-Division-Multiplexed Photonic Tensor Core Using Nonvolatile and Volatile Weighting with a General Matrix-Multiply Compiler
Dit artikel presenteert het ontwerp, de fabricage en de experimentele demonstratie van een op golflengte-multiplexing gebaseerde fotonische tensorkern die zowel niet-vluchtig faseveranderingsgeheugen als vluchtige thermo-optische weging integreert, ondersteund door een aangepaste compiler, om een efficiënte matrixvermenigvuldiging te bereiken met een geprojecteerde prestatie die 8,75 TOPS en 3,04 TOPS/W bereikt.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
In de moderne wereld is kunstmatige intelligentie een krachtige kracht geworden die alles aandrijft, van medische diagnoses tot autonome voertuigen. Deze intelligentie heeft echter een hoge prijs: de massieve computerchips die deze systemen voeden, lopen tegen fysieke grenzen aan. Ze worden te groot, te traag en te energieverslindend om de groeiende vraag naar complexe berekeningen bij te houden. Om dit op te lossen, kijken wetenschappers naar het licht. In plaats van elektriciteit te gebruiken om informatie door siliciumdraden te verplaatsen, zoals traditionele computers doen, onderzoeken onderzoekers manieren om fotonen, of lichtdeeltjes, te gebruiken om berekeningen uit te voeren. Licht kan sneller reizen en meer gegevens vervoeren met minder warmte, wat een potentieel pad biedt naar machines die zowel ongelooflijk snel als opmerkelijk efficiënt zijn. De uitdaging is het bouwen van een chip die niet alleen licht kan geleiden, maar het ook kan gebruiken om de specifieke, zware wiskunde uit te voeren die kunstmatige intelligentie vereist, bekend als matrixvermenigvuldiging, zonder aan nauwkeurigheid of stabiliteit in te boeten.
Een team van onderzoekers heeft nu een belangrijke stap voorwaarts gezet door het ontwerpen en testen van een nieuw type computerchip dat licht gebruikt om deze essentiële berekeningen uit te voeren. Ze creëerden een apparaat genaamd een fotonische tensorkern, die fungeert als een gespecialiseerde motor voor de wiskunde achter kunstmatige intelligentie. Het team bouwde twee verschillende versies van deze motor om te zien hoe ze verschillende soorten taken konden afhandelen. De ene versie maakt gebruik van een speciaal materiaal dat informatie permanent kan opslaan zonder stroom nodig te hebben, vergelijkbaar met een digitale geheugen die nooit vergeet. De andere versie gebruikt een snel aanpasbaar systeem dat zijn instellingen in een oogwenk kan veranderen, waardoor het zich snel kan aanpassen aan nieuwe gegevens. Beide versies vertrouwen op een techniek genaamd golflengte-verdeling-multiplexing, die de chip in staat stelt om meerdere datastromen tegelijk te verzenden door gebruik te maken van verschillende kleuren licht, vergelijkbaar met hoe een snelweg meerdere rijstroken heeft om meer verkeer te kunnen verwerken dan een enkele weg zou kunnen doen.
De onderzoekers hebben deze chips succesvol gebouwd en getest om te zien hoe goed ze in staat waren om realistische taken uit te voeren. Ze ontdekten dat de versie die het permanente materiaal gebruikte extreem energiezuinig was en bijna geen stroom verbruikte om zijn instellingen vast te houden, wat het ideaal maakt voor apparaten die langdurig moeten werken op een enkele batterij. De aanpasbare versie, hoewel deze iets meer stroom verbruikte om zijn instellingen te wijzigen, bood een hogere precisie en kon snel worden geconfigureerd, waardoor het beter geschikt is voor taken die constante updates vereisen. Om te bewijzen dat het systeem werkte, gebruikte het team het om afbeeldingen te verwerken. Ze vroegen de chip om randen in een plaatje te identificeren en een gezicht te combineren met een digitaal masker, taken die fundamenteel zijn voor hoe computers de wereld "zien" en begrijpen. De chip voerde deze operaties uit met een zeer lage foutmarge en voltooide succesvol de berekeningen die normaal gesproken een veel grotere en meer stroomverslindende elektronische processor zouden vereisen.
Om ervoor te zorgen dat het systeem de complexe wiskunde kan aan kunnen voor grotere modellen van kunstmatige intelligentie, hebben de onderzoekers ook een speciale softwaretool ontwikkeld. Deze tool werkt als een vertaler, die enorme, ingewikkelde wiskundige problemen opbreekt in kleinere stukken die de fysieke chip kan verwerken. Ze testten deze combinatie van hardware en software door te simuleren hoe de chip handgeschreven cijfers zou herkennen, een klassieke test voor kunstmatige intelligentie. De resultaten lieten zien dat, hoewel het lichtgebaseerde systeem iets minder nauwkeurig was dan een standaard elektronische computer bij het afhandelen van de meest complexe delen van de wiskunde, het superieur was qua snelheid en energieverbruik. De onderzoekers schatten dat als zij hun ontwerp naar een grotere schaal zouden opschalen, het systeem miljarden berekeningen per seconde zou kunnen uitvoeren terwijl het slechts een fractie van de energie verbruikt die de huidige technologie vereist.
Dit werk demonstreert dat het mogelijk is om een modulair systeem te bouwen waarbij verschillende soorten lichtgebaseerde processors gecombineerd kunnen worden om aan specifieke behoeften te voldoen. Het team heeft aangetoond dat door licht te gebruiken voor het zware rekenwerk, zij een systeem kunnen creëren dat niet alleen sneller, maar ook veel compacter en energiezuiniger is dan wat momenteel beschikbaar is. Hoewel het huidige prototype een kleine proof of concept is, suggereren de principes die zij hebben gedemonstreerd een toekomst waarin kunstmatige intelligentie op kleine, draagbare apparaten kan draaien zonder de noodzaak van enorme datacentra. De onderzoekers geloven dat door deze lichtgebaseerde chips te blijven verfijnen en te integreren met bestaande elektronische systemen, zij de deur kunnen openen naar een nieuwe generatie technologie die in staat is informatie te verwerken met de snelheid van het licht, waardoor krachtige kunstmatige intelligentie naar de rand van het netwerk wordt gebracht waar het het meest nodig is.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.