Το NTT και το Πανεπιστήμιο του Τόκιο αναπτύσσουν το πρώτο οπτικό υπολογιστικό AI στον κόσμο χρησιμοποιώντας έναν αλγόριθμο εμπνευσμένο από τον ανθρώπινο εγκέφαλο

Η συνεργασία προάγει την πρακτική εφαρμογή τεχνητής νοημοσύνης χαμηλής κατανάλωσης και υψηλής ταχύτητας που βασίζεται σε οπτικούς υπολογιστές

ΤΟΚΙΟ–(ΕΠΑΓΓΕΛΜΑΤΙΚΟ ΣΥΡΜΑ)–#TechforGood-NTT Corporation (Πρόεδρος και Διευθύνων Σύμβουλος: Akira Shimada, «NTT») και ο Πανεπιστήμιο του Τόκιο (Bunkyo-ku, Τόκιο, Πρόεδρος: Teruo Fujii) έχουν επινοήσει έναν νέο αλγόριθμο μάθησης εμπνευσμένο από την επεξεργασία πληροφοριών του εγκεφάλου που είναι κατάλληλος για πολυεπίπεδα τεχνητά νευρωνικά δίκτυα (DNN) χρησιμοποιώντας αναλογικές λειτουργίες. Αυτή η σημαντική ανακάλυψη θα οδηγήσει σε μείωση της κατανάλωσης ενέργειας και του χρόνου υπολογισμού για την τεχνητή νοημοσύνη. Τα αποτελέσματα αυτής της εξέλιξης δημοσιεύτηκαν στο βρετανικό επιστημονικό περιοδικό Nature Communications στις 26 Δεκεμβρίου^th.

Οι ερευνητές πέτυχαν την πρώτη στον κόσμο επίδειξη αποτελεσματικά εκτελούμενης οπτικής μάθησης DNN εφαρμόζοντας τον αλγόριθμο σε ένα DNN που χρησιμοποιεί οπτικό αναλογικό υπολογισμό, ο οποίος αναμένεται να ενεργοποιήσει συσκευές μηχανικής εκμάθησης υψηλής ταχύτητας και χαμηλής ισχύος. Επιπλέον, έχουν επιτύχει την υψηλότερη απόδοση στον κόσμο σε ένα πολυεπίπεδο τεχνητό νευρωνικό δίκτυο που χρησιμοποιεί αναλογικές λειτουργίες.

Στο παρελθόν, οι υπολογισμοί εκμάθησης υψηλού φορτίου πραγματοποιούνταν με ψηφιακούς υπολογισμούς, αλλά αυτό το αποτέλεσμα αποδεικνύει ότι είναι δυνατό να βελτιωθεί η αποτελεσματικότητα του μαθησιακού μέρους χρησιμοποιώντας αναλογικούς υπολογισμούς. Στην τεχνολογία Deep Neural Network (DNN), ένα επαναλαμβανόμενο νευρωνικό δίκτυο που ονομάζεται υπολογισμός βαθιάς δεξαμενής υπολογίζεται υποθέτοντας έναν οπτικό παλμό ως νευρώνα και έναν μη γραμμικό οπτικό δακτύλιο ως νευρωνικό δίκτυο με αναδρομικές συνδέσεις. Με την επανεισαγωγή του σήματος εξόδου στο ίδιο οπτικό κύκλωμα, το δίκτυο εμβαθύνεται τεχνητά.

Η τεχνολογία DNN επιτρέπει την προηγμένη τεχνητή νοημοσύνη (AI) όπως η αυτόματη μετάφραση, η αυτόνομη οδήγηση και η ρομποτική. Επί του παρόντος, η απαιτούμενη ισχύς και χρόνος υπολογισμού αυξάνεται με ρυθμό που υπερβαίνει την αύξηση της απόδοσης των ψηφιακών υπολογιστών. Η τεχνολογία DNN, η οποία χρησιμοποιεί υπολογισμούς αναλογικού σήματος (αναλογικές λειτουργίες), αναμένεται να είναι μια μέθοδος πραγματοποίησης υπολογισμών υψηλής απόδοσης και υψηλής ταχύτητας, παρόμοιοι με το νευρωνικό δίκτυο του εγκεφάλου. Η συνεργασία μεταξύ του NTT και του Πανεπιστημίου του Τόκιο έχει αναπτύξει έναν νέο αλγόριθμο κατάλληλο για μια αναλογική λειτουργία DNN που δεν προϋποθέτει την κατανόηση των παραμέτρων μάθησης που περιλαμβάνονται στο DNN.

Η προτεινόμενη μέθοδος μαθαίνει αλλάζοντας τις παραμέτρους εκμάθησης με βάση το τελικό επίπεδο του δικτύου και τον μη γραμμικό τυχαίο μετασχηματισμό του σφάλματος του επιθυμητού σήματος εξόδου (σήμα σφάλματος). Αυτός ο υπολογισμός διευκολύνει την υλοποίηση αναλογικών υπολογισμών σε πράγματα όπως τα οπτικά κυκλώματα. Μπορεί επίσης να χρησιμοποιηθεί όχι μόνο ως μοντέλο για φυσική υλοποίηση, αλλά και ως μοντέλο αιχμής που χρησιμοποιείται σε εφαρμογές όπως η αυτόματη μετάφραση και διάφορα μοντέλα AI, συμπεριλαμβανομένου του μοντέλου DNN. Αυτή η έρευνα αναμένεται να συμβάλει στην επίλυση αναδυόμενων προβλημάτων που σχετίζονται με την υπολογιστική τεχνητή νοημοσύνη, συμπεριλαμβανομένης της κατανάλωσης ενέργειας και του αυξημένου χρόνου υπολογισμού.

Εκτός από την εξέταση της δυνατότητας εφαρμογής της μεθόδου που προτείνεται σε αυτό το έγγραφο σε συγκεκριμένα προβλήματα, το NTT θα προωθήσει επίσης την ενοποίηση μεγάλης και μικρής κλίμακας οπτικού υλικού, με στόχο τη δημιουργία μιας υψηλής ταχύτητας, χαμηλής ισχύος οπτικής πλατφόρμας υπολογιστών για μελλοντικά οπτικά δίκτυα.

Υποστήριξη αυτής της έρευνας:

Η JST/CREST υποστήριξε μέρος αυτών των ερευνητικών αποτελεσμάτων.

Έκδοση περιοδικού:

Περιοδικό: Nature Communications (Διαδικτυακή έκδοση: 26 Δεκεμβρίου)

Τίτλος άρθρου: Φυσική βαθιά μάθηση με βιολογικά εμπνευσμένη μέθοδος εκπαίδευσης: Προσέγγιση χωρίς κλίση για φυσικό υλικό

Συγγραφείς: Mitsumasa Nakajima, Katsuma Inoue, Kenji Tanaka, Yasuo Kuniyoshi, Toshikazu Hashimoto και Kohei Nakajima

Επεξήγηση ορολογίας:

1. Οπτικό κύκλωμα: Ένα κύκλωμα στο οποίο οι οπτικοί κυματοδηγοί πυριτίου ή χαλαζία είναι ενσωματωμένοι σε πλακίδιο πυριτίου χρησιμοποιώντας τεχνολογία κατασκευής ηλεκτρονικών κυκλωμάτων. Στην επικοινωνία, η διακλάδωση και η συγχώνευση οπτικών διαδρομών επικοινωνίας εκτελούνται με οπτικές παρεμβολές, πολυπλεξία/αποπολυπλεξία μήκους κύματος και παρόμοια.
2. Μέθοδος Backpropagation (BP): Ο πιο συχνά χρησιμοποιούμενος αλγόριθμος μάθησης στη βαθιά μάθηση. Οι διαβαθμίσεις των βαρών (παραμέτρων) στο δίκτυο λαμβάνονται κατά τη διάδοση του σήματος σφάλματος προς τα πίσω και τα βάρη ενημερώνονται έτσι ώστε το σφάλμα να γίνεται μικρότερο. Δεδομένου ότι η διαδικασία οπίσθιας διάδοσης απαιτεί μεταφορά της μήτρας βάρους του μοντέλου δικτύου και μη γραμμική διαφοροποίηση, είναι δύσκολο να εφαρμοστεί σε αναλογικά κυκλώματα, συμπεριλαμβανομένου του εγκεφάλου ενός ζωντανού οργανισμού.
3. Αναλογικός υπολογισμός: Ένας υπολογιστής που εκφράζει πραγματικές τιμές χρησιμοποιώντας φυσικά μεγέθη όπως η ένταση και η φάση του φωτός και η κατεύθυνση και η ένταση των μαγνητικών περιστροφών και εκτελεί υπολογισμούς αλλάζοντας αυτά τα φυσικά μεγέθη σύμφωνα με τους νόμους της φυσικής.
4. Μέθοδος ευθυγράμμισης άμεσης ανάδρασης (DFA): Μια μέθοδος ψευδο-υπολογισμού του σήματος σφάλματος κάθε στρώματος εκτελώντας έναν μη γραμμικό τυχαίο μετασχηματισμό στο σήμα σφάλματος του τελικού στρώματος. Δεδομένου ότι δεν απαιτεί διαφορικές πληροφορίες του μοντέλου δικτύου και μπορεί να υπολογιστεί μόνο με παράλληλο τυχαίο μετασχηματισμό, είναι συμβατό με αναλογικό υπολογισμό.
5. Reservoir computing: Ένας τύπος επαναλαμβανόμενου νευρωνικού δικτύου με επαναλαμβανόμενες συνδέσεις στο κρυφό στρώμα. Χαρακτηρίζεται από τυχαία στερέωση συνδέσεων σε ένα ενδιάμεσο στρώμα που ονομάζεται στρώμα δεξαμενής. Στον υπολογισμό βαθιάς δεξαμενής, η επεξεργασία πληροφοριών πραγματοποιείται συνδέοντας στρώματα δεξαμενής σε πολλαπλά επίπεδα.

Το NTT και το λογότυπο NTT είναι σήματα κατατεθέντα ή εμπορικά σήματα της NIPPON TELEGRAPH AND TELEPHONE CORPORATION ή/και των θυγατρικών της. Όλα τα άλλα αναφερόμενα ονόματα προϊόντων είναι εμπορικά σήματα των αντίστοιχων κατόχων τους. © 2023 NIPPON TELEGRAPH AND TELEPHONE CORPORATION

Επικοινωνία

Στίβεν Ράσελ

Wireside Communications®

Για NTT

+ 1-804-362-7484

[προστασία μέσω email]