Создана первая фотонная нейросеть |
||
МЕНЮ Искусственный интеллект Поиск Регистрация на сайте Помощь проекту ТЕМЫ Новости ИИ Искусственный интеллект Разработка ИИГолосовой помощник Городские сумасшедшие ИИ в медицине ИИ проекты Искусственные нейросети Слежка за людьми Угроза ИИ ИИ теория Внедрение ИИКомпьютерные науки Машинное обуч. (Ошибки) Машинное обучение Машинный перевод Реализация ИИ Реализация нейросетей Создание беспилотных авто Трезво про ИИ Философия ИИ Big data Работа разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика
Генетические алгоритмы Капсульные нейросети Основы нейронных сетей Распознавание лиц Распознавание образов Распознавание речи Техническое зрение Чат-боты Авторизация |
2016-11-21 22:13 Схема устройства Alexander N. Tait et al. / arXiv.org Физики из Принстоновского университета создали первую нейросеть, основанную на интегральной фотонной схеме. С точки зрения математики, как показали авторы, она схожа с непрерывными рекуррентными нейронными сетями. Подобные устройства могут найти применение в сверхбыстрых вычислительных системах. Препринт исследования опубликован на сайте arXiv.org, кратко о нем сообщает MIT Technology Review. Традиционные нейронные сети основаны на устройствах, способных имитировать работу нейронов. Эти объекты — логические или реальные — специальным образом преобразуют входящий сигнал и передают его дальше. К примеру, входящим сигналом может быть «зашумленное» изображение буквы, которое разбивается на пиксели и каждый пиксель обрабатывается своим нейроном или последовательностью нейронов. На выходе, при правильной настройке нейросети, мы можем получить «чистое» изображение той же буквы. В качестве входящего сигнала может выступать не только изображение, но и звук или любая другая информация. В некоторых случаях для эффективной работы нейросеть должна знать «контекст» информации. Для этого были созданы рекуррентные нейросети — нейроны в них получают не только входящий сигнал, но и информацию о предыдущем состоянии сети. С каждым шагом вычисления состояние сети меняется. Это помогает реализовать в ней своеобразную память. Подробнее о рекуррентных нейросетях можно прочесть в нашем материале. Принцип работы машинного переводчика Google Translate, основанного на комбинации несколько рекуррентных нейросетей. research.googleblog.com / Google
Одно из направлений развития нейросетей — создание нейроморфных чипов, состоящих из физических нейронов. Первый такой серийный чип был представлен в 2014 году компанией IBM. Скорость работы вычислителей определяется скоростью работы отдельных нейронов, роль которых могут выполнять, например, мемристоры — резисторах «с эффектом памяти». Устройства, в которых информация передается с помощью света, имеют возможность превзойти в производительности современную электронику. В частности, просто благодаря тому, что свет распространяется быстрее, чем электроны в веществе. Однако, создавать фотонные вычислительные системы гораздо сложнее, чем электронные устройства, и, как отмечают авторы, их недостатки еще никогда не компенсировались достаточной производительностью. В новой работе физики показали, что фотонные системы могут достигнуть превосходства над классическими компьютерами в создании нейросетей. Авторы создали чип, в котором роль двух нейронов выполняют закрученные в кольца волноводы в кремниевой матрице. Каждый из них работает на своей длине волны и обладает управляемыми параметрами отклика. Сигнал из волновода подается на модулятор Маха-Зендера, который стоит на выходе из лазера соответствующей длины волны. Этот лазер и подает свет в соответствующий узел чипа через устройство-мультиплексер. Таким образом, кольца непрерывно влияют на параметры лазерного излучения, возникающего в чипе. Это соответствует системе с нелинейной обратной связью. Проанализировав характер работы устройства физики указали, что она математически соответствует непрерывной во времени рекуррентной нейронной сети (CTRNN). Это значит, что имеющиеся методики для работы с такими сетями можно будет использовать и для фотонных нейросетей больших размеров. Чтобы продемонстрировать работоспособность фотонной нейросети, авторы провели ее компьютерное моделирование. Физики сравнили скорость решения обыкновенных дифференциальных решений с помощью традиционных компьютеров и с помощью 49-узловой нейросети предложенной архитектуры. Оказалось, что последняя обладает почти двухтысячекратным преимуществом. Ранее физики из университетов Оксфорда и Бристоля вычислили, что на создание отказоустойчивого фотонного квантового компьютера уйдет примерно в 100 тысяч раз больше компонентов, чем, например, для сверхпроводящих квантовых компьютеров. Владимир Королёв Источник: nplus1.ru Комментарии: |
|