光学在人工智能算法的专用硬件中的作用

  • 时间:
  • 浏览:0
  • 来源:甘肃快3平台-吉林快3投注平台_极速快3娱乐平台

光纤以光的形式在全世界传输数据,是现代电信的支柱。当需用分析数据时,亲们将光信号转换为电信号,否则使用电子设备进行防止。很长时间以来,光学被认为是新型计算技术的基础,但光学计算机越来越 与电子计算机的快速更新换代相竞争。

然而,在过去几年中,计算的能源成本正逐渐受到关注。光学系统一方面是降低能量需求的这些 土最好的最好的办法,自己面作为加速人工智能算法(如深度图神经网络(DNN))的专用硬件而再次受到关注。

DNN包括多层人工神经元和人工突触,它们是神经元之间的连接。哪几个连接的传输波特率称为为权重,权重还要能是阳性,表示神经元兴奋;或阴性,表示抑制。DNN学习即以最小化实际输出和期望输出之间的差异来改变其突触权重,从而执行诸如图像识别类的任务。

研究人员还要能使用已知数据集来训练DNN,可能性完成训练的DNN还要能用于防止所谓“推理”任务中的未知数据。以上任何这些 情况报告的计算量删剪前会巨大的,但操作的多样性是适度的,可能性“乘法累加”操作在众多突触权重和神经元激励中存在主导地位。

DNN在计算精度低时要能正常工作,否则,哪几个网络为实现非传统计算技术提供了新的思路。这类,研究人员正在探索基于新兴非易失性存储器件的DNN加速器。哪几个设备即使在其电源关闭时要能保留信息,否则还要能通过模拟电子计算为DNN提供改进的传输波特率和能效。越来越 ,为哪几个不考虑光学呢?

无论是用于电信的光纤还是用于光子芯片上的波导均可引导光的传播,还要能承载少量数据。将波分复用技术应用于哪几个波导形态学 内控 ,一些不同波长的光还要能并肩传播。否则,电光调制器和光电检测器以一定传输波特率的传输波特率调制并解调每个波长。

谐振器要能将单个波长如货车上的货物一样换成到波导或从波导移除。这类,微米级环形(微环)谐振器还要能实现突触权重阵列。这些 谐振器还要能通过热调制,电光调制,可能性通过相变材料调制。相变材料还要能在非晶相和结晶相之间切换,这些 情况报告在吸收光的能力方面差别很大。在理想条件下,进行乘法累加运算仅需用很小的功率。

来自德国的Feldmann等研究人员在毫米级光子芯片上搭建了全光神经网络,且网络内不存在光电转换。输入的数据被电调制加载到不同的波长上注入网络,在此前一天,所有数据都保留在芯片上。集成的相变材料实现对权重的调制和神经元的集成,材料存在这些 类型的微环谐振器上,谐振器具有突触或神经元功能。

相变材料吸收注入的各种波长的未调制光,能量次要愿因 神经元激发,否则把信号传递到网络的下一层。即使芯片上越来越 光学增益,这些 全光学装置也具有扩展到更大网络的潜力。

全光尖峰神经元电路(图片来源:nature)

可能性权重信息是通过光吸收实现的,很多很多很多很多有负权重需用大的偏置信号,该信号还要能了激活相变材料。研究人员使用Mach-Zehnder干涉仪装置作为提供负权重的替代土最好的最好的办法。该装置中,单个波导被分成有1个 臂,否则重新组合,否则透射光量取决于有1个 路径之间光学相位的差异。然而,将这些 土最好的最好的办法与波分复用技术相结合可能性存在一定大间题,可能性每个干涉仪的臂需用为不同波长引入适当的相位差。

光子DNN仍然面临重大挑战。理想情况报告下,DNN的总使用功率可能性较低,但使用过程中总爱需用热光功率来调节和维持每个Mach-Zehnder干涉仪臂中的光学相位差异。另外,需用仔细校准注入富含相变材料系统的总光功率,以便材料删剪按照预期响应输入信号。尽管相变材料也还要能用于调整Mach-Zehnder的相位,否则材料吸收光的传输波特率和它们更快光的传输波特率之间不可防止的交叉耦合是有1个 比较复杂的大间题。

传统的DNN可能性逐渐扩展,如今可实现富含数千个神经元和数百万个突触。否则光子网络需用波导彼此间隔很远以防止它们耦合,并要防止波导急剧弯曲以防止光遗弃波导。可能性光穿过有1个 波导可能性会将不需用的功率注入错误路径,光子芯片的2D形态学 呈现出实质性的设计限制。

尽管实现光子网络需用长距离和大面积,但每个光学形态学 关键次要的制造需用精确。这是可能性波导和光耦合区域,这类,在每个微环谐振器的入口和出口处,需用具有精确尺寸从而实现目标性能。否则,对于要怎样制造小型微环谐振器也存在限制。最后,调制技术提供的相对较弱的光学效应需用长相互作用区域,以使它们对传输光的有限影响要能积累到足够显著。

注:文章内的所有配图皆为网络转载图片,侵权即删!