Китайские ученые добились значительного прогресса в фотонных вычислениях, разработав чипы, позволяющие нейронным сетям проходить обучение, используя только свет, исключая при этом необходимость преобразования данных в электрические сигналы. Данное достижение может существенно ускорить развитие беспилотных автомобилей и содействовать обучению роботов в процессе непосредственного взаимодействия с окружающей средой.
Созданные микросхемы функционируют на базе фотонной спайковой нейронной системы — технологии искусственного интеллекта, воспроизводящей способ взаимодействия биологических нейронов посредством быстрых импульсов. В новинке роль этих импульсов выполняют краткие световые вспышки, перемещающиеся по фотонным сетям существенно быстрее, чем электронные сигналы.
Ключевым успехом исследователей стало преодоление существенного ограничения, которое препятствовало прогрессу фотонного искусственного интеллекта. Ранее свет применялся исключительно для последовательных вычислений, в то время как нелинейные операции, необходимые для обучения и принятия решений, нуждались в преобразовании оптического сигнала в электрический. Этот процесс вносил задержки и нивелировал преимущества, связанные со скоростью и энергоэффективностью фотонных систем.
Новейшая разработка, руководимая Шуин Сян из Сидянского университета (Китай), открывает возможность проведения как линейных, так и нелинейных нейронных вычислений непосредственно в оптической среде. Чтобы продемонстрировать потенциал этой технологии, команда создала программируемую фотонную нейроморфную платформу, включающую два чипа. Первый чип содержит 16-канальный нейроморфный процессор с 272 обучаемыми параметрами, позволяющий обрабатывать несколько оптических сигналов параллельно. Второй чип оборудован массивом распределенно-обратных лазеров с насыщающимся поглотителем, который обеспечивает нелинейную оптическую импульсную активность с низким порогом.
Для оценки производительности системы был применен метод обучения с подкреплением, являющийся одним из подходов искусственного интеллекта и основанным на принципе проб и ошибок. Сначала нейронная модель прошла обучение в симуляционной среде, затем чипы выполняли обучение и вычисления непосредственно на аппаратном обеспечении. После этого исследователи проводили детальную корректировку полученных данных в программном обеспечении, чтобы устранить небольшие различия в работе аппаратного обеспечения.
Проведенные испытания на стандартных задачах управления, таких как удержание шеста на движущейся тележке (CartPole) и стабилизация перевернутого маятника, продемонстрировали высокую точность работы системы. Действия, выполняемые аппаратным обеспечением, оказались практически идентичны результатам, полученным в программной модели: погрешность составила лишь 1,5% для CartPole и 2% для задачи с маятником. Кроме того, система обладает значительной вычислительной мощностью: фотонная линейная обработка достигает 1,39 тераопераций в секунду на ватт, нелинейная – почти 988 гигаопераций в секунду на ватт, а задержка внутри кристалла составила всего 320 пикосекунд.
По мнению ученых, их разработка может послужить фундаментом для перспективных систем искусственного интеллекта, которым необходимы быстрые обучаемость и экономичность. Наиболее подходящими сферами для использования видятся, в частности, беспилотное управление транспортными средствами и робототехника, это необходимо в условиях, когда требуется оперативное приспособление к динамично меняющейся обстановке. На текущем этапе прототип функционирует с использованием 16 оптических каналов, однако разработчики намерены создать 128-канальный фотонный спайковый нейрочип, способный решать более сложные задачи, связанные с обучением, и разработать компактные гибридные фотонные системы для проведения вычислений на периферии.
Результаты исследования в журнале Optica.