Адаптивная оптическая нейронная сеть соединяет тысячи искусственных нейронов

Чип содержит почти 8400 функционирующих искусственных нейронов из фазового материала, связанного с волнгидом.Кредит: Jonas Schütte / Ag Pernice

Команда исследователей в настоящее время разработала так называемую архитектуру на основе событий, используя фотонные процессоры, с которыми данные транспортируются и обрабатываются с помощью света.Подобно мозгу, это делает возможным непрерывную адаптацию соединений в нейронной сети.Эти изменчивые связи являются основой для учебных процессов.

Для целей исследования команда, работающая в Collaborative Research Center 1459 (интеллектуальное вещество), возглавляемая физиками профессором Вольфрамом Пернис и профессором Мартином Салинга и компьютерным специалистом профессором Бенджамином Рисом, все из Университета Мюнстера - Joined Worts с силамиИсследователи из университетов Эксетера и Оксфорда в Великобритании.Исследование было опубликовано в журнале Science Advances.

То, что необходимо для нейронной сети в машинном обучении, - это искусственные нейроны, которые активируются внешними возбуждающими сигналами и которые имеют связь с другими нейронами.Связи между этими искусственными нейронами называются синапсами, как биологический оригинал.

Для их исследования команда исследователей в Мюнстере использовала сеть, состоящую из почти 8400 оптических нейронов, изготовленных из фазового материала, связанного с волноводом, и команда показала, что связь между двумя из этих нейронов действительно может стать более сильной или слабепластичность), и что новые соединения могут быть сформированы, или существующие устранены (структурная пластичность).

В отличие от других аналогичных исследований, синапсы не были аппаратными элементами, но были закодированы в результате свойств оптических импульсов - другими словами, в результате соответствующей длины волны и интенсивности оптического импульса.Это позволило интегрировать несколько тысяч нейронов на одном чипе и подключить их оптически.

По сравнению с традиционными электронными процессорами, обработчики на основе света предлагают значительно более высокую пропускную способность, что позволяет выполнять сложные вычислительные задачи и с более низким потреблением энергии.Этот новый подход состоит из фундаментальных исследований.«Наша цель состоит в том, чтобы разработать оптическую вычислительную архитектуру, которая в долгосрочной перспективе позволят быстро и энергоэффективно вычислять приложения для ИИ»,-говорит Фрэнк Брюкерхофф-Плюккельманн, один из ведущих авторов.

Нелетущий материал с фазовым изменением может быть переключен между аморфной структурой и кристаллической структурой с высоко упорядоченной атомной решеткой.Эта функция обеспечивает постоянное хранение данных даже без энергоснабжения.

Исследователи проверили эффективность нейронной сети, используя эволюционный алгоритм для обучения ее для различения немецких и английских текстов.Параметр распознавания, который они использовали, представлял собой количество гласных в тексте.

Больше информации: Фрэнк Брюкерхофф-Плюккельманн и др., Адаптивная оптическая нейронная сеть, управляемая событиями, Science Advances (2023).Doi: 10.1126/sciadv.adi9127