بیگ بنگ: مهندسان دانشگاه پنسیلوانیا موفق به ساخت نخستین تراشه فوتونیکی قابل برنامه‌ریزی شدند که می‌تواند شبکه‌های عصبی غیرخطی را با استفاده از نور آموزش دهد. دستاوردی که ممکن است انقلابی در هوش مصنوعی ایجاد کرده و آن را سریع‌تر و بسیار کم‌مصرف‌تر کند.
به گزارش بیگ بنگ، برخلاف تراشه‌های الکترونیکی سنتی، این تراشه جدید از خودِ نور برای انجام محاسبات پیچیده استفاده می‌کند و آموزش در لحظه (real-time learning) را ممکن می‌سازد؛ گامی بزرگ به سوی کامپیوترهایی که به طور کامل با نور کار می‌کنند. این پژوهش نشان می‌دهد چگونه این تراشه نور را برای انجام عملیات غیرخطی پیچیده، که برای عملکرد هوش مصنوعی مدرن ضروری‌اند، دستکاری می‌کند.
“لیانگ فنگ” استاد علوم مواد و مهندسی برق در دانشگاه پن و نویسنده ارشد این مطالعه گفت: «توابع غیرخطی برای آموزش شبکه‌های عصبی عمیق حیاتی هستند. هدف ما این بود که برای نخستین‌بار این قابلیت را در سامانه‌های فوتونیکی محقق کنیم.»
قطعه گمشده در هوش مصنوعی فوتونیکی
شبکه‌های عصبی که امروزه در هوش مصنوعی به کار می‌روند، الهام‌گرفته از بافت عصبی زیستی هستند. در هر دو سامانه طبیعی و مصنوعی، واحدهایی به نام «گره» تنها زمانی فعال می‌شوند که ورودی از یک آستانه مشخص عبور کند — فرایندی غیرخطی که امکان بروز خروجی‌های پیچیده‌تر از ورودی‌های ساده را فراهم می‌کند.
بدون این رفتار غیرخطی، حتی افزودن لایه‌های بیشتر به شبکه نیز بی‌فایده خواهد بود، چراکه سیستم صرفاً به جمع ساده ورودی‌ها کاهش می‌یابد و هیچ یادگیری واقعی رخ نمی‌دهد. در حالی که پیش از این تیم‌هایی در پن و دیگر مؤسسات موفق به ساخت تراشه‌های فوتونیکی برای انجام عملیات ریاضی خطی شده بودند، تاکنون هیچ تیمی موفق نشده بود که تنها با استفاده از نور، توابع غیرخطی را بازنمایی کند.
“تیانوی وو” پژوهشگر پسادکتری و نویسنده اول مقاله می‌گوید: «بدون توابع غیرخطی، تراشه‌های فوتونیکی نمی‌توانند شبکه‌های عمیق را آموزش دهند یا وظایف واقعاً هوشمندانه را انجام دهند.»
آموزش با سرعت نور
برای آزمودن توانایی این تراشه، محققان از آن برای حل مسائل معیار هوش مصنوعی استفاده کردند. این پلتفرم توانست در یک مسئله تصمیم‌گیری غیرخطی ساده، به دقت بیش از ۹۷٪ و در مجموعه داده معروف Iris به دقت بیش از ۹۶٪ برسد. عملکردی قابل رقابت یا بهتر از شبکه‌های عصبی دیجیتال سنتی، اما با تعداد عملیات کمتر و بدون نیاز به قطعات الکترونیکی پرمصرف.
در یکی از نتایج قابل‌توجه، تنها چهار اتصال نوری غیرخطی روی این تراشه با عملکرد ۲۰ اتصال الکترونیکی خطی همراه با توابع غیرخطی ثابت در مدل‌های سنتی برابری می‌کرد. این بهره‌وری نشان می‌دهد ظرفیت فوق‌العاده این معماری در مقیاس‌های بزرگ‌تر است. برخلاف سامانه‌های فوتونیکی پیشین که پس از ساخت ثابت می‌مانند، تراشه پنسیلوانیا همانند بوم سفید شروع می‌شود و نور پمپ مانند قلم‌مویی است که دستورالعمل‌های قابل‌برنامه‌ریزی را در ماده می‌نویسد.
“فنگ” افزود: «این یک نمونه واقعی از یک کامپیوتر فوتونیکی قابل‌برنامه‌ریزی است. گامی به سوی آینده‌ای که در آن می‌توان هوش مصنوعی را با سرعت نور آموزش داد. این می‌تواند آغاز رایانش فوتونیکی به‌عنوان جایگزینی جدی برای الکترونیک باشد.» جزئیات بیشتر این پژوهش در نشریۀ Nature Photonics منتشر شده است.
سایت علمی بیگ بنگ / منبع: scitechdaily.com
لینک کوتاه نوشته : https://bigbangpage.com/?p=108922
(۵ نفر , میانگین : ۴,۶۰ از ۵)
