Nature Physics: новые нейронные сети реализуют при помощи оптики
Ученые Института науки о свете Общества Макса Планка предложили новейшую реализацию нейронной сети на оптической системе, которая в состоянии сделать машинное обучение больше энергоэффективным в дальнейшем. Об этом сообщается в публикации, размещенной в журнальчике Nature Physics.
Машинное обучение и ненатуральный ум требуют все больше сложных нейронных сетей, что приводит к значимым энергозатратам и времени на обучение. К примеру, обучение GPT-3 потребляло больше 1000 мегаватт-час энергии, что эквивалентно каждодневному потреблению маленького городка.
«Будущее уже пришло»Как умные дома и умные городка изменят жизнь млрд людей по всему миру?Со скоростью света.Как квантовые компы изменят мир и жизнь жителей России?
Переход к нейроморфным вычислениям подразумевает подмену нейронных сетей, реализованных на архитектуре фон Неймана, физическими нейронными сетями, имитирующими мозговую деятельность. Оптика и фотоника в особенности перспективны в этой области, потому что они минимизируют энергопотребление и позволяют делать вычисления на больших скоростях. Но до сего времени существовали две главные препядствия: необходимость в лазере высочайшей мощности для сотворения оптической нейросети и отсутствие действенного способа обучения таких сетей.
В новеньком подходе, который решает эту делему, входные данные запечатлеваются через изменение пропускания света, что позволяет обработать входной сигнал произвольным образом. Это дает возможность избежать сложных физических взаимодействий и просит световых полей наименьшей мощности.
При помощи моделирования творцы проявили, что их прием может применяться для задач систематизации изображений с той же точностью, что и цифровые нейронные сети. Это открывает новые способности для нейроморфных устройств, позволяя проводить машинное обучение на широком диапазоне платформ.
