Seattle, Jan.27, 2022-Investigadores de la Universidad de Washington (UW) han desarrollado hardware de computación óptica para IA y aprendizaje automático que es más rápido y más eficiente energéticamente que las computadoras convencionales basadas en electrónica.El trabajo también aborda otro desafío: el "ruido" inherente a la computación óptica y que puede interferir con la precisión computacional.El equipo demostró que su sistema puede mitigar el ruido y que puede usar parte de él como una entrada para ayudar a mejorar la salida creativa de la red neuronal artificial dentro del sistema."Hemos creado una computadora óptica que es más rápida que una computadora digital convencional", dijo el autor principal Changming Wu, un estudiante de doctorado de UW en ingeniería eléctrica e informática."Y también, esta computadora óptica puede crear cosas nuevas basadas en entradas aleatorias generadas a partir del ruido óptico que la mayoría de los investigadores intentaron evadir."
An illustration of the UW-led research team’s integrated optical computing chip and “handwritten" numbers it generated. The chip contains an artificial neural network that can learn how to write like a human in its own, distinct style. This optical computing system also uses “noise" (stray photons from lasers and thermal background radiation) to augment its creative capabilities. Courtesy of Changming Wu, University of Washington.
El ruido de la computación óptica proviene de fotones callejeros que se originan en el funcionamiento de los láseres dentro del dispositivo y la radiación térmica de fondo.Para apuntar al ruido, el equipo conectó su núcleo de computación óptica a un tipo especial de red de aprendizaje automático llamado una red adversaria generativa (GAN).El equipo probó varias técnicas de mitigación de ruido, que incluían parte del ruido generado por el núcleo de computación óptica para servir como entradas aleatorias para el GaN. For example, the team assigned the GAN the task of learning how to handwrite the number “7" like a person would.La computadora óptica no podría simplemente imprimir el número de acuerdo con una fuente prescrita;Tenía que aprender la tarea de manera similar a cómo lo haría un niño, mirando muestras de escritura y practicación hasta que pudiera escribir el número correctamente.La computadora hizo esto generando imágenes digitales con un estilo similar a las muestras que había estudiado pero no idéntico.“Instead of training the network to read handwritten numbers, we trained the network to learn to write numbers, mimicking visual samples of handwriting that it was trained on," said senior author Mo Li, a UW professor of electrical and computer engineering.“Nosotros, con la ayuda de nuestros colaboradores de informática en la Universidad de Duke, también mostramos que el GaN puede mitigar el impacto negativo de los ruidos de hardware de computación óptica mediante el uso de un algoritmo de entrenamiento que es robusto para errores y ruidos.Más que eso, la red realmente usa los ruidos como entrada aleatoria que se necesita para generar instancias de salida."The next steps include building the device at a larger scale using current semiconductor manufacturing technology.El equipo planea utilizar una fundición de semiconductores industriales para lograr la tecnología a escala de obleas, en lugar de construir la próxima iteración del dispositivo en un laboratorio.Un dispositivo a mayor escala mejorará el rendimiento y permitirá al equipo de investigación realizar tareas más complejas más allá de la generación de escritura a mano, como crear obras de arte e incluso videos..“This optical system represents a computer hardware architecture that can enhance the creativity of artificial neural networks used in AI and machine learning, but more importantly, it demonstrates the viability for this system at a large scale where noise and errors can be mitigated and even harnessed," Li said.“Las aplicaciones de IA están creciendo tan rápido que en el futuro, su consumo de energía será insostenible.Esta tecnología tiene el potencial de ayudar a reducir ese consumo de energía, haciendo que la IA y el aprendizaje automático sean ambientalmente sostenibles, y muy rápido, logrando un mayor rendimiento en general."The research was published in Science Advances (www.doi.org/10.1126/sciadv.ABM2956).
