Gör AI-algoritmer galet snabba med hjälp av chips som drivs av ljus

Fröken. teknik; Chip av Ben Davis, RO

Inuti ett litet laboratorium i Bostons hamndistrikt, begravt i ett virrvarr av lasrar, linser, speglar och en härva av kablar, finns ett litet chip som kan vara på väg att ha en stor inverkan på världen av artificiell intelligens.

Labbet tillhör Lightelligence , en startup som utvecklar en radikalt ny typ av AI-acceleratorchip. Istället för att använda elektroner för att utföra de grundläggande matematiska beräkningarna som behövs för maskininlärning, använder företagets prototypenhet ljus.

I teorin innebär överföring av information med ljusets hastighet att en sådan enhet kan låta AI-algoritmer köra hundratals gånger snabbare än dagens bästa AI-chips. Eftersom rå datorkraft gör en sådan skillnad i maskininlärning, kan detta innebära mycket kraftfullare och mer kapabla algoritmer. I praktiken kommer dock hastigheten på det optiska chipet att bero på hur snabbt det kan interagera med konventionella komponenter, som en dators minne. Och Lightelligence behöver skriva algoritmer som kan vrida ut så mycket hastighet ur installationen som möjligt.

Deep learning, ett tillvägagångssätt för maskininlärning löst inspirerat av hur hjärnor är kopplade, har tagit teknikindustrin med storm de senaste åren. Det har visat sig vara otroligt kraftfullt för att träna maskiner för att utföra värdefulla uppgifter som att märka bilder och översätta text. Företag tävlar under tiden om att använda metoden på fler och mer användbara sätt.

Ökningen av djupinlärning har redan utlöst en boom i kommersiell aktivitet kring nya chipdesigner optimerade för de viktiga matematiska beräkningarna som är involverade. Nu verkar det inspirera till fundamentalt olika metoder för datoranvändning också.

Jag besökte nyligen Lightelligence för att träffa dess vd, Yichen Shen, en självsäker man i 20-årsåldern. Iförd en fleecetröja och ett brett leende presenterade han var och en av företagets ett dussintal anställda och visade mig sedan runt i labbet.

Arash Hosseinzadeh från Lightelligence arbetar vid en optisk bänk i företagets labb.

Ljus erbjuder viktiga fördelar för AI, förklarade Shen. Fotoner är snabbare än elektroner, och deras rörelse genom ett chips kretsar kommer inte att överhetta det. Men att beräkna med ljus är också mycket utmanande. Tidigare försök att bygga optiska datorchips har misslyckats eftersom det är svårt att emulera en transistor optiskt och eftersom ljus beter sig på ett mindre förutsägbart sätt.

Men ekvationen förändras i en tid präglad av djupinlärning, säger Shen. Optiska chips är väl lämpade för att utföra matrismultiplikationer, beräkningar som är centrala för djupinlärning. Neurala nätverk är också till sin natur linjära, och det är linjära beräkningar där optiska enheter utmärker sig.

Shen säger att han och hans kollegor på Lightelligence nyligen skickade sin första färdiga chipdesign till en tillverkare och förväntar sig de första chipsen tillbaka om några veckor. Vi tycker att det är ett väldigt unikt och intressant tillfälle att testa den här idén, säger han.

Forskare utforskar alla möjliga nya möjligheter inom material och optik. Tidigare i år utvecklade ett team av forskare vid UCLA en ny enhet för djupinlärning skapad genom 3-D-utskrift av olika brytande polymerer. Detaljer om teamets enhet, kallad ett diffraktivt djupt neuralt nätverk (D2NN), var publiceras i tidskriften Science .

Det är den icke-intuitiva aspekten av djupinlärning som har förändrat hur vi ser på fysisk och optoelektronisk design. En del av det leder till nya sätt att beräkna, säger Aydogan Ozcan , en professor vid UCLA som ledde arbetet. En del av det leder till att designa komponenter, system, som fungerar annorlunda än traditionella system.

Att kommersialisera tekniken kan också vara mer praktiskt nu än det var tidigare.

Dan Hutchinson, analytiker på VLSI Research som spårar innovativa chipdesigner, säger att intresset för nya optiska kretsar växer tack vare framsteg i design och tillverkning av enheter som används för nätverk. Optiska chips är också relativt enkla och billiga att göra, vilket sänker inträdesbarriären för startups, säger han.

Lightelligence kommer dock fortfarande att möta stora utmaningar. Zhangxi Tan, en veteran från chipindustrin och VD för en annan chipstartup, VÅR Teknik , säger även om chippet fungerar som utlovat, kan det visa sig vara svårt att tillverka i stor skala. Det kommer att bli en utmaning att paketera och testa en helt ny chipdesign, speciellt när det inte finns några bra mjukvarudesignverktyg för en sådan optisk enhet. Ljus är väldigt elegant på papper, men de omgivande elektroniska kretsarna – dina laserdrivrutiner, fotonmottagarkretsar, elektroniska modulatorer – är väldigt fula, säger Tan

Ändå går insatsen snabbt.

Först förra året var Shen doktorand som studerade fotoniskt material i labbet på Marin Soljacic vid MIT. Tillsammans med Soljacic och flera andra elever har han publicerade en tidning i tidskriften Nature Photonics som beskriver ett nytt sätt att utföra neurala nätverksberäkningar med hjälp av optisk interferens. Idén till ett företag kläcktes innan tidningen ens publicerades, tack vare ett samtal från en riskkapitalist från västkusten.

Företaget har också en syskonkonkurrent. Lightelligence bildades när Shen och andra hoppade av från ett företag som heter Lightmatter. Vd:n för Lightmatter är en av Shens medförfattare på originaltidningen, och det företaget har samlat in liknande belopp för sitt eget optiska djupinlärningschip. Kanske kan en sund rivalitet hjälpa till att påskynda utvecklingen av tekniken.

Det finns betydande hinder framför sig, men om ett av dessa företag kan övervinna dem kanske det bara lyser upp AI-världen.

Dölj