Группа ученых из Делийского университета представила архитектуру полностью оптической сверточной нейронной сети (PCNN), способную выполнять задачи компьютерного зрения исключительно в оптической области.
В отличие от большинства существующих гибридных систем, здесь все вычисления — свертка, объединение и активация — происходят в оптической области без постоянных преобразований света в электричество и обратно. Это позволяет избежать главных узких мест современных ИИ-систем: высокого энергопотребления и тепловыделения.
Разработанный кремниевый чип имеет размер 18×18 мм и содержит 2132 настраиваемых параметра. В основе работы лежат оптические интерферометры Маха–Цендера для умножения матриц, микрорезонаторы для нелинейных операций и технология спектрального мультиплексирования для параллельной обработки данных.
Поскольку традиционный метод обратного распространения ошибки физически невозможен в оптических схемах, ученые применили двухэтапный подход. Сначала сеть обучается на точной цифровой копии с помощью обычного GPU, а затем финально донастраивается прямо на оптической системе с помощью алгоритма SPSA, который требует всего двух прогонов данных для оценки всех 2132 параметров.
На тесте распознавания рукописных цифр MNIST сеть достигла точности 94,23%. При сильных тепловых помехах от соседних элементов точность падает всего до 93,8%, а после донастройки возвращается к 94%, что говорит о высокой устойчивости архитектуры.
Главное преимущество разработки — энергоэффективность. Чип потребляет 14,7 Вт, время одного распознавания составляет 0,8 микросекунды, а энергия на один образ — 12,4 микроджоуля. Для сравнения, современные видеокарты NVIDIA T4, A100 и H100 тратят на ту же задачу около 2000–3000 микроджоулей. Таким образом, новая разработка экономит энергию в 100–242 раза. При использовании более совершенных фазовращателей этот показатель можно улучшить еще в несколько раз.
Пока существует только компьютерная симуляция, а не реальный изготовленный чип. Авторы планируют следующим шагом фабрикацию устройства и тестирование в реальных условиях. Однако уже сейчас очевидно, что в случае успеха такие фотонные процессоры могут стать основой для сверхэкономичных ИИ-ускорителей нового поколения, способных работать на устройствах с батарейным питанием.
Читайте также: «Биостартап предлагает клонировать тела людей для последующей пересадки мозга».