Silicon Photonic Neural Network avslöjat

Neurala nätverk tar datorvärlden med storm. Forskare har använt dem för att skapa maskiner som lär sig ett stort antal färdigheter som tidigare varit unika för människor – objektigenkänning, ansiktsigenkänning, naturlig språkbehandling, maskinöversättning. Alla dessa färdigheter, och mer, blir nu rutin för maskiner.

Så det finns ett stort intresse för att skapa mer kapabla neurala nätverk som kan tänja på gränserna för artificiell intelligens ytterligare. Fokus för detta arbete är att skapa kretsar som fungerar mer som neuroner, så kallade neuromorfa chips. Men hur gör man dessa kretsar betydligt snabbare?

Idag får vi ett slags svar tack vare Alexander Taits och kompisars arbete vid Princeton University i New Jersey. Dessa killar har byggt ett integrerat kiselfotoniskt neuromorft chip och visar att det beräknar med ultrasnabba hastigheter.

Optisk datoranvändning har länge varit datavetenskapens stora dröm. Fotoner har betydligt mer bandbredd än elektroner och kan därför bearbeta mer data snabbare. Men fördelarna med optiska databehandlingssystem har aldrig uppvägt den extra kostnaden för att göra dem, och därför har de aldrig blivit allmänt accepterade.

Det har börjat förändras inom vissa områden av datoranvändning, som analog signalbehandling, som kräver den typ av ultrasnabb databehandling som bara fotoniska chips kan tillhandahålla.

Nu öppnar neurala nätverk upp en ny möjlighet för fotonik. Fotoniska neurala nätverk som utnyttjar kiselfotoniska plattformar skulle kunna få tillgång till nya system för ultrasnabb informationsbearbetning för radio, kontroll och vetenskaplig beräkning, säger Tait och co.

Kärnan i utmaningen är att producera en optisk enhet där varje nod har samma svarsegenskaper som en neuron. Noderna har formen av små cirkulära vågledare inskurna i ett kiselsubstrat i vilket ljus kan cirkulera. När detta ljus släpps modulerar det uteffekten från en laser som arbetar vid tröskeln, en regim där små förändringar i det inkommande ljuset har en dramatisk inverkan på laserns uteffekt.

Avgörande är att varje nod i systemet arbetar med en specifik ljusvåglängd - en teknik som kallas vågdelningsmultiplexering. Ljuset från alla noder kan summeras genom total effektdetektering innan det matas in i lasern. Och laserutgången matas tillbaka till noderna för att skapa en återkopplingskrets med en icke-linjär karaktär.

En viktig fråga är hur nära denna icke-linjäritet efterliknar neurala beteenden. Tait och co mäter uteffekten och visar att den är matematiskt likvärdig med en enhet som kallas ett kontinuerligt återkommande neuralt nätverk. Detta resultat tyder på att programmeringsverktyg för CTRNNs skulle kunna tillämpas på större kiselfotoniska neurala nätverk, säger de.

Det är ett viktigt resultat eftersom det betyder att enheten som Tait och co har tillverkat omedelbart kan utnyttja det stora utbudet av programmeringsnous som har samlats in för dessa typer av neurala nätverk.

De fortsätter med att demonstrera hur detta kan göras med hjälp av ett nätverk bestående av 49 fotoniska noder. De använder detta fotoniska neurala nätverk för att lösa det matematiska problemet med att emulera en viss sorts differentialekvation och jämföra den med en vanlig centralenhet.

Resultaten visar hur snabba fotoniska neurala nät kan vara. Den effektiva hårdvaruaccelerationsfaktorn för det fotoniska neurala nätverket uppskattas till 1 960 × i denna uppgift, säger Tait och co. Det är en hastighetsökning på tre storleksordningar.

Det öppnar dörrarna till en helt ny industri som skulle kunna ta med optisk datoranvändning till mainstream. Kiselfotoniska neurala nätverk skulle kunna representera första försök till en bredare klass av kiselfotoniska system för skalbar informationsbehandling, säger Taif och co.

Och andra arbetar inom detta område också. Tidigare i år föreslog Yichen Shen vid MIT och några kompisar arkitekturen bakom ett helt optiskt neuralt nätverk och demonstrerade delar av det med hjälp av en programmerbar nanofotonisk processor.

Naturligtvis beror mycket på hur väl den första generationens elektroniska neuromorfa chips presterar. Fotoniska neurala nät måste erbjuda betydande fördelar för att bli allmänt antagna och kommer därför att kräva mycket mer detaljerad karakterisering. Det är uppenbart att det är intressanta tider framför fotoniken.

Ref: arxiv.org/abs/1611.02272 : Neuromorf kiselfotonik

Den här historien uppdaterades den 22 november för att inkludera ytterligare arbete utfört av forskare vid MIT.

Dölj