Seattle, Jan.27, 2022 - Des chercheurs de l'Université de Washington (UW) ont développé un matériel informatique optique pour l'IA et l'apprentissage automatique qui est plus rapide et plus économe en énergie que les ordinateurs électroniques conventionnels.Le travail aborde également un autre défi: le «bruit» qui est inhérent à l'informatique optique et qui peut interférer avec la précision de calcul.L'équipe a démontré que son système peut atténuer le bruit et qu'il peut en utiliser une partie comme entrée pour aider à améliorer la sortie créative du réseau neuronal artificiel dans le système.«Nous avons construit un ordinateur optique plus rapide qu'un ordinateur numérique conventionnel», a déclaré l'auteur principal Changming Wu, un doctorant UW en génie électrique et informatique.«Et aussi, cet ordinateur optique peut créer de nouvelles choses basées sur des entrées aléatoires générées à partir du bruit optique que la plupart des chercheurs ont essayé d'échapper."
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.
Le bruit informatique optique provient de photons errants qui proviennent du fonctionnement des lasers dans l'appareil et du rayonnement thermique de l'arrière-plan.Pour cibler le bruit, l'équipe a connecté son noyau informatique optique à un type spécial de réseau d'apprentissage automatique appelé un réseau adversaire génératif (GAN).L'équipe a testé plusieurs techniques d'atténuation du bruit, qui comprenaient une partie du bruit généré par le noyau informatique optique pour servir d'entrées aléatoires pour le GAN. For example, the team assigned the GAN the task of learning how to handwrite the number “7" like a person would.L'ordinateur optique ne pouvait pas simplement imprimer le numéro en fonction d'une police prescrite;Il devait apprendre la tâche d'une manière similaire à la façon dont un enfant le ferait, en regardant des échantillons d'écriture manuscrite et de pratiquer jusqu'à ce qu'il puisse écrire correctement le nombre.L'ordinateur l'a fait en générant des images numériques avec un style similaire aux échantillons qu'il avait étudiés mais pas identiques.“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.«Nous, avec l'aide de nos collaborateurs en informatique de l'Université Duke, nous avons également montré que le GAN peut atténuer l'impact négatif des bruits matériels informatiques optiques en utilisant un algorithme de formation qui est robuste aux erreurs et aux bruits.Plus que cela, le réseau utilise en fait les bruits comme une entrée aléatoire nécessaire pour générer des instances de sortie."The next steps include building the device at a larger scale using current semiconductor manufacturing technology.L'équipe prévoit d'utiliser une fonderie de semi-conducteurs industriels pour atteindre la technologie à l'échelle de la plaque, plutôt que de construire la prochaine itération de l'appareil dans un laboratoire.Un appareil à plus grande échelle améliorera les performances et permettra à l'équipe de recherche de faire des tâches plus complexes au-delà de la génération d'écriture manuscrite, comme la création d'œuvres d'art et même les vidéos.“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.«Les applications d'IA augmentent si rapidement qu'à l'avenir, leur consommation d'énergie ne sera pas durable.Cette technologie a le potentiel pour aider à réduire cette consommation d'énergie, à rendre l'IA et l'apprentissage automatique environnemental durable - et très rapidement, réalisant des performances globales globales."The research was published in Science Advances (www.est ce que je.org / 10.1126 / Sciadv.ABM2956).
