Искусственные нейронные сети, компьютерные алгоритмы, которые черпают вдохновение из человеческого мозга, продемонстрировали фантастические подвиги, такие как обнаружение лжи, распознавание лиц и предсказание сердечных приступов. Но большинство компьютеров до сих пор не могут успешно запустить такие программы. Команда инженеров разработала компьютерный чип, который использует лучи света для имитации нейронов. Подобные оптические нейронные сети могут сделать любое применение алгоритмов «глубокого обучения» во много раз быстрее и эффективнее.
Большинство компьютеров работают с использованием наборов транзисторов — своего рода «ворот», пропускающих или не пропускающих электричество. Но несколько десятилетий назад физики поняли, что свет может сделать определенные процессы более эффективными, в том числе и создание нейронных сетей. Это потому, что световые волны могут перемещаться и взаимодействовать параллельно, что позволяет им выполнять множество функций одновременно. Ученые использовали оптическое оборудование для создания простых нейронных сетей, но для этих установок требовались столешницы с чувствительными зеркалами и объективами. В течение многих лет фотонная обработка была отклонена как непрактичная.
Теперь исследователи из Массачусетского технологического института (MIT) в Кембридже сумели сконцентрировать большую часть этого оборудования на микрочипе всего на несколько миллиметров в поперечнике.
Новый чип сделан из кремния, и он имитирует сеть из 16 нейронов, четыре «слоя» по четыре нейрона. Данные поступают в чип в виде лазерного луча, разделенного на четыре меньших пучка. Яркость каждого входящего луча означает число или часть информации, а яркость каждого выходящего луча представляет собой новое число, «решение» после обработки информации. Между ними пути света пересекаются и взаимодействуют способами, которые могут усиливать или ослабить их индивидуальную интенсивность, так же, как океанские волны взаимодействуют друг с другом, когда они пересекаются. Эти пересечения имитируют то, как сигнал от одного нейрона к другому в мозге может усиливаться или ослабляться в зависимости от силы соединения. Пучки также проходят через имитируемые нейроны, которые дополнительно корректируют их интенсивность.
Оптические вычисления эффективны, поскольку в процессе генерации световые лучи путешествуют и взаимодействуют сами по себе. Ими можно управлять без использования обычных стеклянных линз, в то время как транзисторам требуется электричество.
Затем исследователи протестировали свою оптическую нейронную сеть по реальной задаче: распознать гласные звуки. Во время тренировок на записях, где 90 человек произносили четыре гласных звука, компьютеры «старой школы» выполняли задачу с относительной легкостью: компьютер, имитирующий сеть из 16 нейронов, отвечал верно в 92% случаев. Когда ученые протестировали одни и те же данные в новой сети, они неожиданно получили близкий коэффициент успеха — 77%, при этом сам выполнялся быстрее и эффективнее. Об этом ученые в Nature Photonics. Исследователи говорят, что с будущими корректировками они могут улучшить производительность.
«Это ново и интересно отчасти потому, что данный метод использует кремниевую фотонику, которая является новой платформой для оптики на чипе», — говорит Алекс Тейт, инженер-электрик Принстонского университета, который не участвовал в работе. «Поскольку базис строится на кремнии, это значительно снижает стоимость производства. Они могут использовать существующие литейные цеха для расширения». Тейт и его коллеги также разработали частично оптическую нейронную сеть на базе чипа, которую они планируют опубликовать в Scientific Reports.
После того, как система будет содержать больше нейронов, а недостатки будут полностью или частично устранены, ученые смогут изготавливать центры обработки данных, автономные автомобили и приборы служб национальной безопасности с помощью нейронных сетей, которые на порядок быстрее, чем существующие проекты и при этом потребляют на порядок меньше энергии. В этом уверены ведущие авторы исследования, физик Ихен Шен и инженер-электрик Николас Харрис, оба являющиеся сотрудниками MIT. Они надеются, что продукт будет готов через 2 года.