`

СПЕЦІАЛЬНІ
ПАРТНЕРИ
ПРОЕКТУ

Чи використовує ваша компанія ChatGPT в роботі?

BEST CIO

Определение наиболее профессиональных ИТ-управленцев, лидеров и экспертов в своих отраслях

Человек года

Кто внес наибольший вклад в развитие украинского ИТ-рынка.

Продукт года

Награды «Продукт года» еженедельника «Компьютерное обозрение» за наиболее выдающиеся ИТ-товары

 

Фотонные тензорные ядра многократно расширяют границы машинного обучения

+11
голос

Фотонные тензорные ядра многократно расширяют границы машинного обучения

Разработанный в Университете Джорджа Вашингтона (округ Колумбия) новый подход к выполнению вычислений машинного обучения с использованием вместо графических процессоров (GPU) фотонных тензорных ядер сулит повышение производительности обработки оптических потоков данных на 2-3 порядка. Он также показывает, что фотонные процессоры могут дополнять электронные системы и отлично работать в граничных устройствах сетей 5G.

Чем интеллектуальнее поставленная задача и выше точность требуемого прогноза, тем более сложной становится нейросеть глубокого обучения и тем труднее использовать с ней современные процессоры, такие как GPU или TPU, из-за растущего расхода энергии и из-за медленной передачи электронных данных между процессором и памятью.

«Мы обнаружили, что интегрированные фотонные платформы, которые включают в себя эффективную оптическую память, могут выполнять те же операции, что и тензорный процессор, но лишь с небольшой долей от его энергопотребления и с более высокой пропускной способностью. Должным образом обученные они могут использоваться для выполнения интеллектуальных заключений со скоростью  света», – сказал Марио Мискульо (Mario Miscuglio), один из авторов публикации в Applied Physics Review.

Для проверки этой концепции исследователи использовали фотонное тензорное ядро (PTC), способное выполнять умножение и накопление матриц 4×4 за один цикл (т.е. не итеративно) и полностью пассивно; другими словами, после обучения нейросети весовые коэффициенты сохраняются в 4-разрядной многоуровневой фотонной памяти, непосредственно интегрированной на чипе, без необходимости использования дополнительной электрооптической схемы или дискретной памяти DRAM. Запоминающие устройства реализованы на основе проводов фазовой памяти G2Sb2Se5, нанесенных на плоский волновод, запись на которые выполняется путём электротермической коммутации между кристаллическим и аморфным состояниями, а считывание – полностью оптически.

Авторы статьи говорят о назревшей необходимости изучения и переопределения операционных парадигм современных логических вычислительных платформ, в которых матричная алгебра требует постоянного доступа к памяти. Волновая природа света и связанные с ней явления, такие как интерференция и дифракция, могут играть важную роль в повышении вычислительной производительности и одновременном снижении энергопотребления нейроморфных платформ.

Ready, set, buy! Посібник для початківців - як придбати Copilot для Microsoft 365

+11
голос

Напечатать Отправить другу

Читайте также

 

Ukraine

 

  •  Home  •  Ринок  •  IТ-директор  •  CloudComputing  •  Hard  •  Soft  •  Мережі  •  Безпека  •  Наука  •  IoT