Добавь сайт в закладки нажми CTRL+D
Исследователи разработали «искусственный нейрон на основе лазера», который представляет суперулучшенную версию биологического нейрона. Этот лазерный нейрон на чипе имитирует работу человеческих нейронов, но работает невероятно быстро.
Учёные из Китайского университета Гонконга создали нейроны на основе квантовых точек с лазерной градацией. Они утверждают, что этот лазерный нейрон работает с поразительной скоростью в 10 Гбод (Бод (англ. baud) в связи и электронике — единица измерения символьной скорости), что в миллиард раз быстрее, чем его биологический аналог.
Интересно, что команда исследователей использовала эту скорость для обработки наборов данных 100 миллионов ударов сердца или 34,7 миллиона изображений за одну секунду. Такое невероятное преимущество в скорости позволяет использовать технологию в областях, как искусственный интеллект и суперкомпьютеры.
Читайте: AMECA, Atlas, Optimus – ТОП-10 роботов-гуманоидов 2024-2025 года
«Наша технология может ускорить принятие решений ИИ в критически важных по времени приложениях, сохраняя при этом высокую точность», – говорит Чаоран Хуанг, руководитель исследовательской группы.
«Мы надеемся, что интеграция нашей технологии в пограничные вычислительные устройства, которые обрабатывают данные вблизи их источника, будет способствовать созданию более быстрых и умных систем ИИ, которые в будущем будут лучше обслуживать реальные приложения с меньшим потреблением энергии».
Лазерные нейроны с низким энергопотреблением
Лазерные нейроны обеспечивают высокоскоростную обработку данных с низким энергопотреблением. Большинство из разработанных на данный момент нейронов – это «фотонные импульсные нейроны».
Эти нейроны имеют ограничения, как медленное время отклика, потеря информации и необходимость в дополнительных аппаратных компонентах. «Наш нейрон на основе лазера преодолевает ограничения по скорости современных фотонных версий импульсных нейронов и имеет потенциал для более быстрой работы», – заявил Хуанг.
Чтобы преодолеть ограничения по скорости предыдущих лазерных нейронов, исследователи создали нейроны на основе лазеров на квантовых точках. Они подавали радиочастотные сигналы в определённую часть лазера. Кроме того, к этим секциям были добавлены высокоскоростные радиочастоты для более быстрой, простой и эффективной работы.
«Благодаря мощным эффектам памяти и отличным возможностям обработки информации один нейрон с лазерной градацией может вести себя как небольшая нейронная сеть», – говорит Хуанг. Автор добавил: «Поэтому даже один нейрон на основе лазера без дополнительных сложных связей может выполнять задачи машинного обучения с высокой производительностью».
Многообещающие испытания
В процессе испытаний команда использовала новое устройство на основе лазерного чипа для создания системы «резервуарных вычислений».
Резервуарные вычисления – это вычислительный метод, который использует особый тип сети, известный как резервуар, для обработки данных, которые меняются с течением времени. Это особенно полезно для задач, как распознавание речи и прогноз погоды, где важно понимание последовательности событий.
При интеграции с лазерными нейронами система резервуарных вычислений продемонстрировала превосходную производительность в задачах распознавания образов и долгосрочного предсказания последовательности событий в различных приложениях ИИ.
Она смогла обработать огромный массив данных, например 100 миллионов ударов сердца в секунду, и точно определяла нерегулярные сердечные ритмы в 98,4 % случаев. «В этой работе мы использовали один нейрон, но считаем, что каскадное соединение нескольких таких нейронов позволит ещё больше раскрыть их потенциал, как в мозге миллиарды нейронов, работают вместе в сетях».
«Мы работаем над повышением скорости обработки данных нашим нейроном на основе лазера, а также над созданием архитектуры глубоких резервуарных вычислений, включающей каскадные нейроны с лазерными градациями», – говорит исследователь в пресс-релизе.
Эта разработка может значительно продвинуть вперёд области искусственного интеллекта, как здравоохранение или климатология. Результаты исследования были опубликованы в журнале Optica.