Robotik cerrahiden yüksek frekanslı ticarete kadar modern yapay zeka (AI) sistemleri, ham verilerin gerçek zamanlı olarak işlenmesine bağlıdır. Önemli özelliklerin hızlı bir şekilde çıkarılması önemlidir, ancak geleneksel dijital işlemciler fiziksel sınırlara ulaşıyor. Geleneksel elektronikler artık gecikmeyi azaltamıyor veya performansı günümüzün yoğun veri uygulamalarına ayak uyduracak kadar artıramıyor.
Daha hızlı bilgi işlem için ışığa dönün
Araştırmacılar artık çözüm olarak ışığı arıyorlar. Optik bilgi işlem (karmaşık hesaplamaları gerçekleştirmek için elektrik yerine ışık kullanan), hızı ve verimliliği önemli ölçüde artırmanın bir yolunu sunar. Umut verici bir yaklaşım, optik kırınım operatörlerini, yani ışık içlerinden geçtiğinde matematiksel işlemleri gerçekleştiren ince plaka benzeri yapıları içerir. Bu sistemler düşük güç tüketimi ile birçok sinyali aynı anda işleyebilmektedir. Ancak bu tür hesaplamalar için gereken kararlı, tutarlı ışığı 10 GHz’in üzerindeki hızlarda korumanın son derece zor olduğu kanıtlandı.
Bu zorluğun üstesinden gelmek için Çin’deki Tsinghua Üniversitesi’nden Profesör Hongwei Chen liderliğindeki bir ekip, optik özellik çıkarma motoru veya OFE olarak bilinen yenilikçi bir cihaz geliştirdi.2. Yayınlanan eseri Gelişmiş Fotonik Nexusbirden fazla gerçek dünya uygulamasına uygun, yüksek hızlı optik özellik çıkarımı gerçekleştirmenin yeni bir yolunu gösterir.
Gibi?2 Verileri hazırlayın ve işleyin.
OFE’de önemli bir ilerleme2 Yenilikçi bir veri hazırlama modülüdür. Faz stabilitesini kaybetmeden önemli optik bileşenlere hızlı, paralel optik sinyaller iletmek bu alandaki en zor sorunlardan biridir. Fiber tabanlı sistemler genellikle ışığı bölerek ve geciktirerek istenmeyen faz titreşimine neden olur. Tsinghua ekibi bu sorunu, ayarlanabilir güç bölücülere ve hassas gecikme hatlarına sahip, tamamen entegre bir çip üzerinde sistem tasarlayarak çözdü. Bu konfigürasyon seri verileri birden fazla senkronize optik kanala dönüştürür. Ek olarak, entegre bir faz dizisi OFE’ye izin verir2 Farklı hesaplama görevleri için kolayca yeniden yapılandırılabilir.
Optik sinyaller hazırlandıktan sonra özellikleri çıkaran bir kırınım operatöründen geçirilir. Bu süreç, ışık dalgalarının belirli çıkış noktalarına odaklanmış “parlak noktalar” oluşturmak için etkileşime girdiği matris-vektör çarpımına benzer. Giriş ışığının fazı ayarlanarak bu noktalar seçilen çıkış portlarına yönlendirilerek OFE etkinleştirilebilir.2 Giriş verilerinde zaman içinde meydana gelen hafif değişiklikleri yakalayın.
Eşsiz optik performans
Etkileyici bir 12,5 GHz hızında çalışan OFE2 tek bir matris-vektör çarpımını yalnızca 250,5 pikosaniyede gerçekleştiriyor; bu, böyle bir optik hesaplama için bilinen en hızlı sonuçtur. Chen, “Bu çalışmanın, entegre optik kırınım hesaplamasını gerçek dünya uygulamalarında 10 GHz hızlarını aşacak şekilde ilerletmek için önemli bir ölçüt sağladığına inanıyoruz” dedi.
Araştırma ekibi OFE’yi test etti2 birden fazla alanda. Görüntü işlemede, görsel verilerin kenarlarından özellikleri başarıyla çıkararak, görüntü sınıflandırmasını iyileştiren ve CT taramalarında organ tespiti gibi görevlerde doğruluğu artıran eşleştirilmiş “kabartma ve dağlama” haritaları oluşturur. OFE kullanan sistem2 Standart yapay zeka modellerine göre daha az elektronik parametre gerekiyor; bu da optik ön işlemenin hibrit yapay zeka ağlarını daha hızlı ve daha verimli hale getirebileceğini gösteriyor.
Parti ayrıca OFE’ye de başvurdu2 Kârlı alım ve satım eylemleri oluşturmak için canlı piyasa verilerini işlediği dijital ticarette. Optimize edilmiş teknikle eğitildikten sonra OFE2 Tutarlı getiriler elde etmek için gelen fiyat sinyallerini doğrudan ticaret kararlarına dönüştürün. Bu hesaplamalar ışık hızında yapıldığı için yatırımcılar neredeyse hiç gecikme yaşamadan fırsatlardan yararlanabiliyor.
Yapay zekanın geleceğine ışık tutuyor
Bu başarılar hep birlikte bilgisayar alanında büyük bir değişime işaret ediyordu. Yapay zeka, işlemenin en zorlu kısımlarını enerji yoğun elektronik çiplerden ultra hızlı fotonik sistemlere, OFE gibi teknolojilere taşıyor2 Gerçek zamanlı, düşük güçlü yapay zekada yeni bir çağ açabilir. Chen sözlerini şöyle tamamladı: “Araştırmamızda sunulan ilerlemeler, entegre kırınım operatörlerini daha yüksek hızlara çıkararak görüntü tanıma, destekli sağlık hizmetleri ve dijital finans gibi alanlarda hesaplama açısından yoğun hizmetlere destek sağlıyor. Veri yoğun hesaplama ihtiyaçları olan ortaklarla işbirliği yapmayı dört gözle bekliyoruz.”