Высокоскоростная фотонная сеть способна классифицировать миллионы слов за секунду

При решении сложных задач, таких как распознавание образов или речи, традиционные компьютеры ограничены с точки зрения вычислительной эффективности и потребления энергии. Компьютеры сегодня используют архитектуру, где память физически отделена от блока обработки, и инструкции выполняются шаг за шагом. Такая архитектура называется архитектурой Тьюринга – фон Неймана.

Обработка информации во времени, например, как это делает мозг - смешивает память и сам процесс обработки для достижения более высокой вычислительной эффективности и гибкости. Реализация такой возможности мозга вдохновила к созданию компьютера на базе фотонных аппаратных средств, которые обрабатывают информацию с помощью света и могут привести к дальнейшим улучшениям путем использования оптических компонентов с низким энергопотреблением и обеспечивая высокую скорость вычислений за счет использования широкополосных телекоммуникационных устройств.

Благодаря сотрудничеству французских и российских ученых удалось продемонстрировать возможность создания такого устройства, на основе парадигмы мозга, известной как “резервуар” вычислений. Подход ученых обеспечил такую внедренную скорость на задачах распознания речи, которая позволяет ее идентифицировать до одного миллиона слов в секунду с очень низким уровнем ошибок.

Разработанная конструкция использует уже готовые компоненты для реализации вычислительной архитектуры резервуара, которая опирается на динамику задержки электрооптических фаз, которые кодирует информацию в фазах световых волн, в отличие от их интенсивности для того чтобы обеспечить более точную и быструю обработку. Ученые показали распознавание речи с использованием стандартной базы данных записанных слов, которые могут быть обработаны и идентифицированы с помощью нашей системы после процедуры обучения. В дополнение к производительности был найден способ повышения эффективности вычислений по сравнению с другими недавними реализаций фотонного резервуара для вычислений.

В настоящее время физические параметры этой архитектуры должны быть доработаны для выполнения этой задачи, как говорится под рукой; действительно универсальная машина не требует такой оптимизации. Улучшения в архитектуре могли бы достичь не только большей универсальности, но и большего значения вычислительную мощность. Другой большой проблемой является обучение без учителя, где нет никакой информации о том, каким должен быть результат.

Пояснения к изображениям:

На первом изображении (46_1) показан схематично процесс распознавания, который осуществляется за счет искусственной нейронной сети (в центре), который состоит из нескольких нелинейных единиц. Компьютер проходит процесс обучения, который включает в себя корректировки выходных соединений (не показаны) из элементов в сети таким образом, что выход компьютера соответствует желаемой цели. Сеть обычно состоит из множества нелинейных единиц, которые имитируют нейроны в головном мозге. После более ранней конструкции, большего размера и др. был построен компьютер из оптико-электронных компонентов, где производилось центрирование на одном нелинейном блоке, было показано, что машина может успешно идентифицировать речевые сигналы со скоростью один миллион слов в секунду.

На втором изображении (FIG. 1, 46_2) показан принцип действия резервуара со входной маской W^I, распространяющейся на узлах комплексного резервуара. А W^R – значение маски на выходе сети. На левой части диаграммы показано: пространственная протяженность динамической сети узлов. На правой части диаграммы: нелинейная динамика обратной связи с задержкой эмуляции виртуальных узлов, которые рассматриваются с помощью временного мультиплексирования. Здесь f(x) – функция нелинейной обратной связи. h(t) – импульсная характеристика.

На третьем изображении (FIG. 2, 46_3) показана настройка фаз оптических несбалансированных модуляторов Маха – Зендера. Демодулятор обеспечивает временную нелокальность и нелинейность фаз и интенсивности их преобразования. Информация, которая должна быть обработана в результате этих задержек фотонного резервуара обеспечивается высокой скоростью произвольного генерирования сигналов произвольной формы (AWG). Сигнал отклика от задержки регистрируется в реальном времени цифровым осциллографом в нижней части установки, после прохождения через распространитель, с последующим усилением через фотодиод и фильтр.

На четвертом изображении (FIG. 3, 46_4) показана иллюстрация преобразования входной информации. Матрица W^I размером K ? Q состоит из редких и случайных значений и преобразуется в сглаженную матрицу M_u размером Q ? N. Результирующая матрица M_in размером K ? N определяет скалярную временную форму волны u(n)^I_sigma полученную за счет горизонтальной оптимизации N столбцов. Причем каждый из них формируется за счет значения амплитуд K имитированных узлов сети в одном слое.

Источник: journals.aps.org

Комментарии: