?由斯威本科技大學領導的國際研究人員團隊展示了世界上最快，最強大的人工智能光學神經(jīng)形態(tài)處理器（AI），其運算速度超過每秒10萬億次運算（TeraOPs / s），并能夠處理超大規(guī)模數(shù)據(jù)。


這項突破發(fā)表在《自然》雜志上，代表了神經(jīng)網(wǎng)絡和神經(jīng)形態(tài)加工的巨大飛躍。


人工神經(jīng)網(wǎng)絡是AI的一種重要形式，可以“學習”并執(zhí)行復雜的操作，并廣泛應用于計算機視覺，自然語言處理，面部識別，語音翻譯，玩策略游戲，醫(yī)療診斷和許多其他領域。受大腦視覺皮層系統(tǒng)生物結構的啟發(fā)，人工神經(jīng)網(wǎng)絡提取原始數(shù)據(jù)的關鍵特征，以前所未有的準確性和簡單性預測屬性和行為。





在Swinburne教授David Moss教授，Xingyuan博士（莫納什大學Swinburne教授）和RMIT大學的杰出教授Arnan Mitchell的帶領下，該團隊在光學神經(jīng)網(wǎng)絡領域取得了非凡的成就：極大地提高了他們的計算速度和處理能力。


該團隊展示了一種光學神經(jīng)形態(tài)處理器，其運行速度是任何以前的處理器的1000倍以上，并且該系統(tǒng)還可以處理記錄大小的超大型圖像-足以實現(xiàn)全臉部圖像識別，這是其他光學處理器無法做到的。


Swinburne光學科學中心主任莫斯教授說：“這一突破是通過'光學微梳子'實現(xiàn)的，正如我們在2020年5月報道的世界記錄的互聯(lián)網(wǎng)數(shù)據(jù)速度一樣。”莫斯教授最近被任命為澳大利亞物理學和科學領域的頂級研究領導人之一《澳大利亞人》在光學和光子學領域的數(shù)學。





雖然最先進的電子處理器（例如Google TPU）可以超過100 TeraOPs / s的速度運行，但這可以通過數(shù)以萬計的并行處理器來完成。相反，該團隊演示的光學系統(tǒng)使用單個處理器，并且是通過一種新技術通過集成的微梳光源同時在時間，波長和空間維度上交織數(shù)據(jù)而實現(xiàn)的。


微梳子是相對較新的設備，其作用類似于在單個芯片上由數(shù)百個高質量紅外激光器組成的彩虹。它們比任何其他光源都更快，更小，更輕且更便宜。


“自從我共同發(fā)明它們以來的10年中，集成的微梳狀芯片已經(jīng)變得非常重要，看到它們在信息通信和處理方面實現(xiàn)這些巨大的進步，這真是令人興奮。微梳子為我們滿足這些挑戰(zhàn)提供了巨大的希望。世界對信息的無限需求，”莫斯教授說。


該研究的共同主要作者說：“該處理器可以用作任何神經(jīng)形態(tài)硬件（基于光學或電子的）的通用超高帶寬前端，將海量數(shù)據(jù)機器學習用于實時超高帶寬數(shù)據(jù)的采集，”徐博士，莫那什大學電氣與計算機系統(tǒng)工程系博士生，博士后研究員。


徐博士解釋說：“我們目前正在對未來的處理器的外觀進行一個簡單的介紹。這確實向我們展示了如何通過創(chuàng)新性地使用微梳來極大地擴展處理器的功能。”


RMIT的Mitchell教授補充說：“這項技術適用于所有形式的處理和通信，它將產(chǎn)生巨大的影響。從長遠來看，我們希望在芯片上實現(xiàn)完全集成的系統(tǒng)，從而大大降低成本和能耗?！?/span>


“卷積神經(jīng)網(wǎng)絡一直是人工智能革命的核心，但是現(xiàn)有的硅技術越來越成為處理速度和能源效率的瓶頸，”研究團隊的主要支持者，來自Swinburne和Walter and Elizabeth Hall Institute的Damien Hicks教授說。 。


他補充說：“這一突破表明，新的光學技術如何使此類網(wǎng)絡更快，更高效，并且深刻展示了跨學科思維的好處，它具有啟發(fā)和勇氣，可以從一個領域汲取靈感并將其運用到解決另一個根本問題?！?/span>

原文鏈接：https://www.xianjichina.com/special/detail_469554.html
來源：賢集網(wǎng)
著作權歸作者所有。商業(yè)轉載請聯(lián)系作者獲得授權，非商業(yè)轉載請注明出處。