- 26,377
- 46
- 8 Ноя 2022
Ледяной ИИ-чип, который мгновенно щелкает алгоритмы простым лучом света.
Искусственный интеллект всё сильнее упирается не только в качество моделей, но и в цену вычислений. Чем крупнее нейросеть , тем больше нужно серверов, электричества и охлаждения. Но недавно исследователи из Сиднейского университета предложили другой подход: они создали прототип нанофотонного чипа, который выполняет вычисления не с помощью электрических сигналов, а с помощью света.
Вместо электронов такой чип использует фотоны. Для вычислительной техники разница принципиальная. Обычный процессор гонит заряженные частицы по проводникам, а любое движение тока сопровождается сопротивлением и нагревом. Отсюда и вечная проблема дата-центров: вместе с вычислительной мощностью растут затраты на питание и охлаждение. В новой схеме расчёты происходят иначе. Свет проходит через крошечные структуры внутри чипа, и сами эти структуры по ходу движения фотонов выполняют нужные операции.
Прототип разработали в Sydney Nano Hub. Авторы рассматривают такую архитектуру как попытку заново переосмыслить аппаратную основу для систем искусственного интеллекта . Сейчас почти вся ИИ-инфраструктура строится вокруг кремниевых электронных чипов, но такой путь становится всё тяжелее масштабировать: каждая новая стойка с ускорителями увеличивает нагрузку на электросети и требует всё более мощного отвода тепла.
Нанофотонный чип устроен по другой логике. Вместо того чтобы передавать электрические сигналы по цепям, он направляет свет через наноструктуры шириной всего в десятки микрометров, то есть примерно с толщину человеческого волоса. По сути, вычисление в такой системе не отделено от физической конструкции устройства. Пока свет проходит через эту миниатюрную сеть, геометрия материала сама задаёт преобразование сигнала.
Именно здесь находится главное отличие от привычных нейросетей . Обычно модель существует как программный код и работает на процессоре или ускорителе, который последовательно исполняет математические операции. В сиднейском прототипе часть такой логики перенесли прямо в железо. Расположение наноструктур играет роль искусственных нейронов, а сам чип построен как физическая нейронная сеть . Распознавание образов и классификация данных происходят не после передачи сигнала на отдельный вычислительный блок, а прямо во время прохождения света через устройство.
За счёт такой схемы расчёты идут очень быстро. Авторы сообщают, что операции занимают пикосекунды, то есть триллионные доли секунды. Важно и другое: свет не сталкивается с электрическим сопротивлением так, как электроны в проводниках. Поэтому система выделяет меньше тепла и теоретически может потреблять меньше энергии, чем обычные электронные чипы при сопоставимых задачах.
Для проверки прототипа команда обучила систему классифицировать более 10 тысяч биомедицинских изображений. В набор вошли МРТ-снимки груди, грудной клетки и брюшной полости. Медицинские изображения хорошо подходят для тестов на распознавание, потому что требуют аккуратной работы с визуальными паттернами и мелкими различиями между классами.
И расчёты, и лабораторные испытания дали близкий результат. Фотонная нейросеть показала точность от 90 до 99 процентов. Для экспериментального устройства важен не только сам диапазон точности, но и то, что модель вообще удалось встроить в нанофотонную структуру и заставить решать практическую задачу, а не просто демонстрировать отдельный физический эффект.
Интерес к такому подходу понятен на фоне нынешнего роста ИИ-инфраструктуры. По всему миру компании и государства строят новые центры обработки данных под крупные модели. Если часть задач удастся перенести на фотонные ускорители , нагрузка на инфраструктуру можно будет заметно снизить, особенно там, где важны скорость и энергоэффективность.
При этом работа не обещает мгновенной замены традиционных процессоров. Речь пока идёт о прототипе и о сравнительно узком классе задач. Команда уже больше десяти лет занимается применением фотоники в вычислениях и сенсорных системах, а следующим этапом называет расширение архитектуры до более крупных фотонных нейросетей , способных работать с более сложными наборами данных.
Именно масштабирование станет главным испытанием для всей идеи. Одно дело - показать, что компактный нанофотонный чип может быстро и точно классифицировать изображения. Другое - довести такую схему до уровня, где она начнёт уверенно конкурировать с электронными ускорителями в реальных ИИ-нагрузках. Если этот этап окажется успешным, фотонные чипы смогут занять свою нишу рядом с обычными процессорами, а в некоторых сценариях, возможно, и заменить их.
Искусственный интеллект всё сильнее упирается не только в качество моделей, но и в цену вычислений. Чем крупнее нейросеть , тем больше нужно серверов, электричества и охлаждения. Но недавно исследователи из Сиднейского университета предложили другой подход: они создали прототип нанофотонного чипа, который выполняет вычисления не с помощью электрических сигналов, а с помощью света.
Вместо электронов такой чип использует фотоны. Для вычислительной техники разница принципиальная. Обычный процессор гонит заряженные частицы по проводникам, а любое движение тока сопровождается сопротивлением и нагревом. Отсюда и вечная проблема дата-центров: вместе с вычислительной мощностью растут затраты на питание и охлаждение. В новой схеме расчёты происходят иначе. Свет проходит через крошечные структуры внутри чипа, и сами эти структуры по ходу движения фотонов выполняют нужные операции.
Прототип разработали в Sydney Nano Hub. Авторы рассматривают такую архитектуру как попытку заново переосмыслить аппаратную основу для систем искусственного интеллекта . Сейчас почти вся ИИ-инфраструктура строится вокруг кремниевых электронных чипов, но такой путь становится всё тяжелее масштабировать: каждая новая стойка с ускорителями увеличивает нагрузку на электросети и требует всё более мощного отвода тепла.
Нанофотонный чип устроен по другой логике. Вместо того чтобы передавать электрические сигналы по цепям, он направляет свет через наноструктуры шириной всего в десятки микрометров, то есть примерно с толщину человеческого волоса. По сути, вычисление в такой системе не отделено от физической конструкции устройства. Пока свет проходит через эту миниатюрную сеть, геометрия материала сама задаёт преобразование сигнала.
Именно здесь находится главное отличие от привычных нейросетей . Обычно модель существует как программный код и работает на процессоре или ускорителе, который последовательно исполняет математические операции. В сиднейском прототипе часть такой логики перенесли прямо в железо. Расположение наноструктур играет роль искусственных нейронов, а сам чип построен как физическая нейронная сеть . Распознавание образов и классификация данных происходят не после передачи сигнала на отдельный вычислительный блок, а прямо во время прохождения света через устройство.
За счёт такой схемы расчёты идут очень быстро. Авторы сообщают, что операции занимают пикосекунды, то есть триллионные доли секунды. Важно и другое: свет не сталкивается с электрическим сопротивлением так, как электроны в проводниках. Поэтому система выделяет меньше тепла и теоретически может потреблять меньше энергии, чем обычные электронные чипы при сопоставимых задачах.
Для проверки прототипа команда обучила систему классифицировать более 10 тысяч биомедицинских изображений. В набор вошли МРТ-снимки груди, грудной клетки и брюшной полости. Медицинские изображения хорошо подходят для тестов на распознавание, потому что требуют аккуратной работы с визуальными паттернами и мелкими различиями между классами.
И расчёты, и лабораторные испытания дали близкий результат. Фотонная нейросеть показала точность от 90 до 99 процентов. Для экспериментального устройства важен не только сам диапазон точности, но и то, что модель вообще удалось встроить в нанофотонную структуру и заставить решать практическую задачу, а не просто демонстрировать отдельный физический эффект.
Интерес к такому подходу понятен на фоне нынешнего роста ИИ-инфраструктуры. По всему миру компании и государства строят новые центры обработки данных под крупные модели. Если часть задач удастся перенести на фотонные ускорители , нагрузка на инфраструктуру можно будет заметно снизить, особенно там, где важны скорость и энергоэффективность.
При этом работа не обещает мгновенной замены традиционных процессоров. Речь пока идёт о прототипе и о сравнительно узком классе задач. Команда уже больше десяти лет занимается применением фотоники в вычислениях и сенсорных системах, а следующим этапом называет расширение архитектуры до более крупных фотонных нейросетей , способных работать с более сложными наборами данных.
Именно масштабирование станет главным испытанием для всей идеи. Одно дело - показать, что компактный нанофотонный чип может быстро и точно классифицировать изображения. Другое - довести такую схему до уровня, где она начнёт уверенно конкурировать с электронными ускорителями в реальных ИИ-нагрузках. Если этот этап окажется успешным, фотонные чипы смогут занять свою нишу рядом с обычными процессорами, а в некоторых сценариях, возможно, и заменить их.
- Источник новости
- www.securitylab.ru
