Об этом сообщает «Politexpert» со ссылкой на SciTechDaily
Как свет заменяет электричество в нейросетях
Современные технологии сбора данных, такие как системы распределённого акустического зондирования (DAS), производят колоссальные объёмы информации. Эти данные используются в сейсмологии, мониторинге транспортной инфраструктуры, нефтеразведке и других критически важных отраслях. Но главная проблема заключается в скорости их обработки: традиционные электронные вычисления часто не справляются с задачей в реальном времени.
На помощь приходит новый подход — фотонные нейросети, в которых в качестве носителя информации используется свет, а не электричество. Учёные из Нанкинского университета разработали уникальную архитектуру TWM-PNNA, способную заменить привычные электронные чипы и ускорить процесс анализа данных в десятки раз, сохраняя при этом энергоэффективность.
Новая архитектура вычислений: TWM-PNNA
Система Time-Wavelength Multiplexed Photonic Neural Network Accelerator (TWM-PNNA) работает на основе лазеров с разной длиной волны, каждая из которых выполняет отдельную математическую операцию в структуре нейросети. Сначала двумерные данные от DAS преобразуются в одномерный вектор, затем с помощью оптических модуляторов сигнал кодируется в свет.
Ключевую роль в этом процессе играет механизм светофильтрации и оптической свёртки, где определённые длины волн получают весовые коэффициенты, подобно тому, как в цифровых нейросетях работают фильтры. Это позволяет достичь высокой точности обработки сигнала и глубокой адаптации под реальные условия.
Решение технических проблем
Разработка фотонной нейросети столкнулась с двумя основными вызовами. Во-первых, эффект «chirp» — нежелательное смещение частоты при модуляции — влиял на точность. Учёные внедрили метод «push-pull» модуляции и снизили соотношение смещения к расстоянию между длинами волн, что позволило избежать искажений.
Во-вторых, необходимо было реализовать полносвязные соединения между слоями нейросети. Разработчики доказали, что можно сократить до 40% параметров без заметной потери качества. Итог: точность классификации превышает 90%, что почти соответствует стандартным электронным системам, при этом скорость и эффективность намного выше.
Быстрее и мощнее, чем GPU
Предложенная система достигла скорости 1,6 триллиона операций в секунду и энергоэффективности 0,87 TOPS на ватт. Теоретически она может достигать 81 TOPS со значительно меньшим энергопотреблением. Это в разы превосходит показатели традиционных графических процессоров, что делает технологию особенно ценной для отраслей, где критична скорость реакции.
TWM-PNNA открывает двери для перехода от электронных к полностью оптическим ИИ-системам в анализе сигналов. Такие решения могут быть внедрены в масштабные инфраструктурные сети, включая транспорт, телекоммуникации и безопасность, обеспечивая мгновенное реагирование без перегрузки вычислительных мощностей.
Напомним, ранее мы писали про новый прорыв в технологии LED.
