Использование звуковых волн для фотонного машинного обучения

Впечатление художника об оптоакустических вычислениях.Кредит: Лонг Хай Дао

Исследовательская группа в исследовательской группе Stiller в Институте науки света Макса Планка, в сотрудничестве с исследовательской группой Englund в Массачусетском технологическом институте, теперь удалось заложить основу для новых реконфигурируемых нейроморфных строительных блоков, добавив новыйРазмер фотонного машинного обучения: звуковые волны.Их выводы опубликованы в Nature Communications.

Исследователи используют свет для создания временных акустических волн в оптическом волокне.Звуковые волны, сгенерированные таким образом, могут, например, включить повторяющуюся функциональность в телекоммуникационном оптическом волокне, что важно для интерпретации контекстной информации, такой как язык.

Искусственный интеллект в настоящее время является обычным явлением и помогает нам жонглировать ежедневными задачами.Языковые модели, такие как CHATGPT, могут создавать естественные сформулированные тексты и структурированные параграфы, помогая нам уменьшить наши административные накладные расходы.Недостатком является их огромные потребности в энергии, что означает, что по мере их развития эти интеллектуальные устройства потребуют новых решений для ускорения обработки сигналов и снижения потребления энергии.

Нейронные сети могут сформировать основу искусственного интеллекта.Построение их в качестве оптических нейронных сетей, основанных на свете вместо электрических сигналов, приводит к обработке больших объемов данных на высоких скоростях и с большой энергоэффективностью.На сегодняшний день, однако, многие экспериментальные подходы к реализации оптических нейронных сетей полагались на фиксированные компоненты и устойчивые устройства.

В настоящее время международная исследовательская группа, возглавляемая Биргитом Стиллером в Институте науки света Макс-Планка, в сотрудничестве с Дирком Энглундом из Массачусетского технологического института, нашла способ создать реконфигурируемые строительные блоки на основе звуковых волн для фотонного машинного обучения.Для своего экспериментального подхода исследователи используют тонкие оптические волокна, уже используемые в глобальном масштабе для быстрых интернет-соединений.

Ключом к изобретению является световое создание путешествующих звуковых волн, которые манипулируют последующими вычислительными этапами оптической нейронной сети.Оптическая информация обрабатывается и коррелирует с акустическими волнами.Звуковые волны имеют гораздо более длительное время передачи, чем оптический информационный поток.Следовательно, они остаются в оптическом волокне дольше и могут быть связаны с каждым последующим этапом обработки по очереди.Уникальность этого процесса заключается в том, что он полностью контролируется светом и не требует сложных структур и преобразователей.

«Я очень взволнован тем, что мы приступили к этой новой линейке исследований, которые пионеровали использованием звуковых волн для управления оптическими нейронными сетями.Доктор Биргит Стиллер, глава исследовательской группы квантовой оптоакустики.

Первый строительный блок, экспериментально продемонстрированный командой, является повторяющимся оператором, технология, широко используемая в области повторяющихся нейронных сетей.Это позволяет связывать серию вычислительных этапов и, следовательно, обеспечивает контекст для каждого выполненного шага расчета.

Например, на человеческом языке порядок слов может определить значение предложения.Например, два предложения «она решила исследовать вызов» и «она решила оспорить исследование», состоящие из одних и тех же слов, но имеют разные значения.Это из -за различных контекстов, созданных порядок слов.

Традиционная полностью подключенная нейронная сеть на компьютере сталкивается с трудностями в захвате контекста, потому что она требует доступа к памяти.Чтобы преодолеть эту проблему, нейронные сети были оснащены повторяющимися операциями, которые обеспечивают внутреннюю память и способны получать контекстную информацию.Хотя эти рецидивирующие нейронные сети просты для реализации цифрового, аналогичная реализация в оптике является сложной задачей и до сих пор полагается на искусственные полости, чтобы обеспечить память.

Исследователи теперь использовали звуковые волны для реализации повторяющегося оператора.В результате, оптоакустический рецидивирующий оператор (OREO) использует внутренние свойства оптического волновода без необходимости искусственного резервуара или вновь изготовленных конструкций.

Oreo предлагает преимущество в том, что он полностью управляется оптически, делая оптоакустический компьютер программируемым на основе импульсной импульсии.Например, исследователи впервые использовали это для реализации рецидивирующего выпадающего оптически, метода регулирования только ранее использовалась для повышения производительности цифровых повторяющихся нейронных сетей.Oreo использовался для различения до 27 различных моделей, демонстрируя его способность обрабатывать контекст.

“Всеоптическое управление Oreo-это мощная особенность. Особенно возможность программировать систему на основе импульсной импульсии дает несколько дополнительных степеней свободы. Использование звуковых волн для фотонного машинного обучения нарушает статус-кво, и я являюсьОчень стремится увидеть, как будет развиваться поле в будущем », - говорит Стивен Беккер, докторская студентка в лаборатории Стиллера.

В будущем использование звуковых волн для оптических нейронных сетей может разблокировать новый класс оптических нейроморфных вычислений, который может быть реконфигурирована спонтанно и позволит крупномасштабные вычисления в памяти в настоящей сети телекоммуникации.Кроме того, реализации оптических нейронных сетей могут извлечь выгоду из этого подхода, который можно реализовать в фотонных волноводах без дополнительных электронных элементов управления.

«Фотонное машинное обучение может обладать огромным потенциалом для параллельной обработки информации и энергоэффективных операций. Добавление акустических волн может способствовать этому усилию с полностью контролируемым и простым в активном ведущемПолем

Больше информации: Стивен Беккер, Дирк Энглунд и Биргит Стиллер, оптоакустическое, программируемое на поле Perceptron для повторяющихся нейронных сетей, Природной связи (2024).Doi: 10.1038/s41467-024-47053-6.www.nature.com/articles/s41467-024-47053-6 🔗