行业新闻 (News) 芯片封装主页/ 行业新闻 / 基于光的神经网络可以是最好的数字计算机
< 返回列表

基于光的神经网络可以是最好的数字计算机

我们经常进行数学计算,并且毫不费力地使用数字电子计算机,很容易忘记还有其他计算方法。各种模拟电脑。

这些早期计算机中的一些是电子的,但许多是机械的,依赖于齿轮 , 球和盘, 液压泵和储存器等。对于某些应用,例如合成分离雷达的处理 ,随着电子技术的改进,这种方法让位于数字计算。

但奇怪的是,一些研究人员再次探索模拟光学计算机在现代计算挑战中的应用:神经网络计算。

神经网络(矩阵乘法)的核心读者在概念上很简单 - 比处理合成孔径雷达数据所需的傅立叶变换更多。对于不熟悉矩阵乘法的读者,让我试着弄清楚。

当你将两个矩阵相乘时,结果是另一个矩阵,这些元素是通过乘以各种数字对(从两个矩阵开始绘制)确定的。矩阵是一个数字矩阵,排列成行和列。也就是说,乘以矩阵恰好相当于大量的乘法和加法。

但是图形网络可能是巨大的,多层的事务,这意味着运行它们所需的算术运算如此之多,以至于无法获得可用的硬件(或能量预算)。电气工程师也一直忙于设计各种专用芯片作为神经网络加速器,谷歌的Tensor Processing Unit可能是最着名的。现在光学加速器即将出现。

这些初创公司在MIT研究人员于2017年发布的用于神经网络计算的光学计算芯片上失去了工作。

虽然距离商业应用还有一年的时间,但它尚未从其他麻省理工学院的研究人员(包括两位参与2017年论文的研究人员)中发布,还开发了另一种实现神经网络的方法。更合适的是光学和电子学的组合)可用于执行必要的计算。

新策略在这一点上完全是理论上的,但最近发表关于新方法的论文的第一作者Ryan Hamer说:“我们正在建立一个演示体验。”虽然它可能需要不同的感受Hamerly表示,多年的芯片开发真正知道何时工作,他们的方法“有望明显优于现有电子产品。”

我无法解释即使我有空间也无法解释所有细节,但是让我试着在这里给你一个味道。

必要的矩阵乘法可以使用三种简单的组件来完成:光束分离器,光电二极管和电容器。这听起来相当显着,但回想一下矩阵乘法实际上只是一堆乘法模拟Gizmo可以将两个值相乘,另一个模拟Gizmo可以将结果相加。

分束器是一种光学设备,它采用两个光学输入并提供两个光学输出。如果它以某种方式配置,光线的光线就会转出你可以建立一个带分束器的模拟倍增器。其他输出的幅度是其两个输出的幅度之一。除了其他输出的幅度之外。光电二极管输出的电子信号与照射在其上的光强度成正比。 。

这是关键,因为如果平方两个光信号的总和('+ B' )你将得到A 2 + 2 AB + B 2.如果你对这两个光信号( A - B )的差异进行平方,你将得到A 2 - 2 AB + B 2从后者中减去后者你会得到你会注意到4 AB ,它与两个输入AB的乘积成正比“这可能是光学的时候了。” -Liane Bernstein,麻省理工学院

因此,通过适当地缩放模拟信号,分束器和光电二极管组合起来可以作为模拟多路复用器。而且,只需要一个接一个地显示适当的光信号,就可以进行一系列的乘法运算。冲洗并重复足够的次数,你只需要乘法器电子输出的元素,你就会将每次乘法的结果相加,形成每次乘法的结果。乘以两个矩阵!

特别是你必须对每个神经元应用一个非线性激活函数。但这可以很容易地通过电子方式完成。问题是,还有一些其他的数学操作,你需要运行一个神经网络。该分辨率可能不会非常高。“这是任何模拟系统的缺点,”Hammery说。信噪比是一个真正的设备,可以在这样做时保持,这将控制计算的分辨率。令人高兴的是,至少对于推理计算(在此期间已经为其事物训练过的神经网络),相对较低的分辨率通常很好。

很难知道根据这些线路设计的电光加速器芯片有多快会计算,解释,有一个阻碍,因为通常用于根据性能判断这种性能的度量等。吞吐量和芯片面积,他还没有准备好准备但他乐观地认为这种方法可以削减这种计算所需的能量。

降低adauer限制的完整性是不可能的。(不可能降低其他合并的完整性)他不可能减少能量消耗,甚至比已知的等效精度值的基于门的数字设备的理论最小值还要多。如果对于绘图板上的这个或任何其他光学加速器都是如此,那么毫无疑问,使用光而不仅仅是电子进行许多神经网络计算。

Liane Bernstein指出:“这是暂时的光学。“

· 2019-06-26 09:47  本新闻来源自:ieee,版权归原创方所有

阅读:995
  • 联系长芯

    重庆总部:重庆市长寿区新市街道新富大道5号佳禾工业园8栋2层
    电话:023 40819981 (前台)

    深圳办事处:深圳市南山区留仙大道 1213 号众冠红花岭工业南区 2 区 1 栋 1 楼
    电话:0755-26975877 (前台)

    电子邮件:sales@longcore.com

    网址:http://www.longcore.com