SON DAKİKA

Yapay Zeka

Fotonik işlemci, olağanüstü enerji verimliliği ile ultra hızlı yapay zeka hesaplamalarını mümkün kılabilir.

Yeni Fotonik Çip ile Makine Öğreniminde Devrim

Günümüz makine öğrenimi uygulamalarını destekleyen derin sinir ağı modelleri, o kadar büyük ve karmaşık hale geldi ki geleneksel elektronik bilgisayar donanımlarının sınırlarını zorlamaya başladı.

Fotonic donanım, makine öğrenimi hesaplamalarını ışık ile gerçekleştirebilme özelliği ile daha hızlı ve enerji verimli bir alternatif sunmakta. Ancak, bazı sinir ağı hesaplamalarının fotonik cihazlar tarafından gerçekleştirilememesi, off-chip elektroniği veya diğer tekniklerin kullanılmasını gerektiriyor; bu da hız ve verimliliği azaltıyor.

Entegre Fotonik İşlemci

MIT ve diğer kurumlardan bilim insanları, bu engelleri aşan yeni bir fotonik çip geliştirdi. Araştırmacılar, derin sinir ağının tüm ana hesaplamalarını optik olarak yapabilen tam entegre bir fotonik işlemciyi sergilemeyi başardılar.

Optik cihaz, bir makine öğrenimi sınıflandırma görevindeki ana hesaplamaları yarım nanosenye içinde tamamlayarak %92’den fazla doğruluk oranı yakaladı. Bu performans, geleneksel donanımlarla karşılaştırıldığında eşdeğer bir seviyede.

Çip, birbirine bağlı modüllerden oluşan bir optik sinir ağı ile inşa edildi ve ticari üretim süreçleri kullanılarak üretildi. Bu durum, teknolojinin ölçeklendirilmesini ve elektronik ile entegrasyonunu mümkün kılabilir.

Işıkla Makine Öğrenimi

Derin sinir ağları, giriş verilerini işleyerek bir çıkış üreten birçok katmandan oluşan düğüm ve nöronlardan oluşur. Bu ağlardaki ana işlemlerden biri, katmanlar arasında veri aktarımı yapan matris çarpımını gerçekleştiren lineer cebirdir.

Ancak lineer işlemlerin yanı sıra, derin sinir ağları daha karmaşık problemleri çözebilmek için modelin daha karmaşık desenleri öğrenmesini sağlayan doğrusal olmayan işlemleri de gerçekleştirir. Bu doğrusal olmayan işlemler, aktivasyon fonksiyonları gibi işlemleri içerir.

Bu yeni çip sayesinde, bir derin sinir ağında doğrusal ve doğrusal olmayan işlemleri gerçekleştirebilen bir sistem tasarlandı. Araştırmacılar, çip üzerinde doğrusal işlemleri gerçekleştiren üniteler ile bu doğrusal olmayan işlemleri birleştiren cihazlar geliştirdi.

Düşük Gecikme Süresi ile Sonuçlar

Bu sistem, derin sinir ağının parametrelerini ışık olarak kodlayarak başlar. Ardından, programlanabilir ışık bölücüleri ile matris çarpım işlemleri yapılır. Veriler, lineer ve doğrusal olmayan fonksiyonları uygulayan programlanabilir NOFU’lara geçer.

Optik alanı tamamen kullanarak düşük gecikme süreleri sağlanmış ve çip üzerinde in situ eğitim yapılmış, bu da büyük enerji tasarrufu sağlamıştır. Bandyopadhyay’ın belirttiğine göre, mevcut sistemlerin optik sinyalleri işleyebildiği alanlarda, gerçek zamanlı öğrenme süreçlerinde oldukça faydalı olmaktadır.

Bu çalışmanın sonuçlarının daha geleneksel donanımlara kıyasla %96 eğitim başarısı ve %92 doğruluk oranı sağladığı görülmektedir. Ayrıca, bu çipin hesaplamaları yarım nanosenye içinde gerçekleştirmesi de dikkat çekicidir.

Bu araştırma, ABD Ulusal Bilim Vakfı, ABD Hava Kuvvetleri Bilimsel Araştırmalar Ofisi ve NTT Araştırma tarafından kısmen desteklenmiştir.

Düşüncenizi Paylaşın

E-posta adresiniz yayınlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir

İlgili Teknoloji Haberleri

The economics of AI refer to the economic impact and implications of artificial intelligence technologies. Some key points to know about the economics of AI include: 1. Increased productivity: AI has the potential to significantly increase productivity by automating routine tasks and processes, freeing up human workers to focus on more complex and creative tasks. 2. Job displacement: While AI can create new job opportunities, it also has the potential to displace certain roles that can be automated. This can lead to job loss and require workers to acquire new skills to remain relevant in the workforce. 3. Cost savings: AI can help businesses reduce costs by streamlining operations, improving efficiency, and optimizing resource allocation. 4. Enhanced decision-making: AI can provide businesses with valuable insights and data analysis to make more informed and strategic decisions, leading to better outcomes and competitive advantage. 5. New revenue streams: AI technologies can enable businesses to develop new products and services, enter new markets, and create innovative business models that can generate additional revenue streams. 6. Ethical and societal considerations: The widespread adoption of AI raises ethical and societal concerns around issues such as privacy, bias, job displacement, and the potential for AI to exacerbate existing inequalities. 7. Regulatory challenges: Policymakers are grappling with how to regulate AI technologies to ensure they are used responsibly and ethically while also fostering innovation and economic growth. Overall, the economics of AI present both opportunities and challenges for businesses, workers, and society as a whole. It is important for stakeholders to carefully consider the implications of AI adoption and to develop strategies for maximizing the benefits while mitigating potential risks.