Forscher behaupten; Die photonenbasierte Verarbeitung ermöglicht eine komplexere Maschine

Eine kürzlich von Forschern der George Washington University durchgeführte Analyse ergab, dass eine KI mit mehr Leistung anstelle von Elektrizität erzeugt werden kann.

Das im Journal Applied Physics Reviews veröffentlichte Forschungspapier besagt, dass Licht verwendet werden kann, um Berechnungen durchzuführen, die von einem neutralen Netzwerk benötigt werden. Neutrale Netzwerke erkennen Muster. Außerdem können sie sensorische Daten mithilfe einer Art Maschinenwahrnehmung interpretieren, mit der Roheingaben gekennzeichnet werden sollen.

Das vorgeschlagene neue Verfahren basiert tatsächlich auf einem photonischen Tensor. Dieser Kern kann Multiplikationen von Matrizen parallel durchführen und so die Geschwindigkeit und Effizienz aktueller Deep-Learning-Paradigmen verbessern.

Dies kann gesagt werden, dass die neue Methode entwickelt wurde, um die Geschwindigkeit und Effizienz neutraler Arbeiten beim maschinellen Lernen zu verbessern.

Früher konnten maschinelle Lernprozessoren nicht mehrere Vorgänge ausführen, da die Leistung nicht ausreichte. Zu dieser Zeit gab es in den neutralen Netzwerken eine weitere Einschränkung, die sie langsam ausführten, um die elektronischen Daten zwischen dem Prozessor und dem Speicher zu übertragen.

Was die Forscher tatsächlich entdecken, ist ein Weg, dies zu verbessern. Mit Photonen in Verarbeitungseinheiten für neutrale Netzwerke (Tensoren) können diese Einschränkungen überwunden werden.

Mario Miscuglio, ein Forscher aus dem Team, erklärte: „Integrierte photonische Plattformen, die einen effizienten optischen Speicher integrieren, können dieselben Operationen wie eine Tensor-Verarbeitungseinheit erzielen, verbrauchen jedoch einen Bruchteil der Leistung und haben einen höheren Durchsatz. Bei entsprechender Schulung können [die Plattformen] verwendet werden, um Interferenzen mit Lichtgeschwindigkeit auszuführen. “