?由斯威本科技大學(xué)領(lǐng)導(dǎo)的國(guó)際研究人員團(tuán)隊(duì)展示了世界上最快，最強(qiáng)大的人工智能光學(xué)神經(jīng)形態(tài)處理器（AI），其運(yùn)算速度超過(guò)每秒10萬(wàn)億次運(yùn)算（TeraOPs / s），并能夠處理超大規(guī)模數(shù)據(jù)。


這項(xiàng)突破發(fā)表在《自然》雜志上，代表了神經(jīng)網(wǎng)絡(luò)和神經(jīng)形態(tài)加工的巨大飛躍。


人工神經(jīng)網(wǎng)絡(luò)是AI的一種重要形式，可以“學(xué)習(xí)”并執(zhí)行復(fù)雜的操作，并廣泛應(yīng)用于計(jì)算機(jī)視覺(jué)，自然語(yǔ)言處理，面部識(shí)別，語(yǔ)音翻譯，玩策略游戲，醫(yī)療診斷和許多其他領(lǐng)域。受大腦視覺(jué)皮層系統(tǒng)生物結(jié)構(gòu)的啟發(fā)，人工神經(jīng)網(wǎng)絡(luò)提取原始數(shù)據(jù)的關(guān)鍵特征，以前所未有的準(zhǔn)確性和簡(jiǎn)單性預(yù)測(cè)屬性和行為。





在Swinburne教授David Moss教授，Xingyuan博士（莫納什大學(xué)Swinburne教授）和RMIT大學(xué)的杰出教授Arnan Mitchell的帶領(lǐng)下，該團(tuán)隊(duì)在光學(xué)神經(jīng)網(wǎng)絡(luò)領(lǐng)域取得了非凡的成就：極大地提高了他們的計(jì)算速度和處理能力。


該團(tuán)隊(duì)展示了一種光學(xué)神經(jīng)形態(tài)處理器，其運(yùn)行速度是任何以前的處理器的1000倍以上，并且該系統(tǒng)還可以處理記錄大小的超大型圖像-足以實(shí)現(xiàn)全臉部圖像識(shí)別，這是其他光學(xué)處理器無(wú)法做到的。


Swinburne光學(xué)科學(xué)中心主任莫斯教授說(shuō)：“這一突破是通過(guò)'光學(xué)微梳子'實(shí)現(xiàn)的，正如我們?cè)?020年5月報(bào)道的世界記錄的互聯(lián)網(wǎng)數(shù)據(jù)速度一樣?！蹦菇淌谧罱蝗蚊鼮榘拇罄麃單锢韺W(xué)和科學(xué)領(lǐng)域的頂級(jí)研究領(lǐng)導(dǎo)人之一《澳大利亞人》在光學(xué)和光子學(xué)領(lǐng)域的數(shù)學(xué)。





雖然最先進(jìn)的電子處理器（例如Google TPU）可以超過(guò)100 TeraOPs / s的速度運(yùn)行，但這可以通過(guò)數(shù)以萬(wàn)計(jì)的并行處理器來(lái)完成。相反，該團(tuán)隊(duì)演示的光學(xué)系統(tǒng)使用單個(gè)處理器，并且是通過(guò)一種新技術(shù)通過(guò)集成的微梳光源同時(shí)在時(shí)間，波長(zhǎng)和空間維度上交織數(shù)據(jù)而實(shí)現(xiàn)的。


微梳子是相對(duì)較新的設(shè)備，其作用類(lèi)似于在單個(gè)芯片上由數(shù)百個(gè)高質(zhì)量紅外激光器組成的彩虹。它們比任何其他光源都更快，更小，更輕且更便宜。


“自從我共同發(fā)明它們以來(lái)的10年中，集成的微梳狀芯片已經(jīng)變得非常重要，看到它們?cè)谛畔⑼ㄐ藕吞幚矸矫鎸?shí)現(xiàn)這些巨大的進(jìn)步，這真是令人興奮。微梳子為我們滿足這些挑戰(zhàn)提供了巨大的希望。世界對(duì)信息的無(wú)限需求，”莫斯教授說(shuō)。


該研究的共同主要作者說(shuō)：“該處理器可以用作任何神經(jīng)形態(tài)硬件（基于光學(xué)或電子的）的通用超高帶寬前端，將海量數(shù)據(jù)機(jī)器學(xué)習(xí)用于實(shí)時(shí)超高帶寬數(shù)據(jù)的采集，”徐博士，莫那什大學(xué)電氣與計(jì)算機(jī)系統(tǒng)工程系博士生，博士后研究員。


徐博士解釋說(shuō)：“我們目前正在對(duì)未來(lái)的處理器的外觀進(jìn)行一個(gè)簡(jiǎn)單的介紹。這確實(shí)向我們展示了如何通過(guò)創(chuàng)新性地使用微梳來(lái)極大地?cái)U(kuò)展處理器的功能?！?/span>


RMIT的Mitchell教授補(bǔ)充說(shuō)：“這項(xiàng)技術(shù)適用于所有形式的處理和通信，它將產(chǎn)生巨大的影響。從長(zhǎng)遠(yuǎn)來(lái)看，我們希望在芯片上實(shí)現(xiàn)完全集成的系統(tǒng)，從而大大降低成本和能耗?！?/span>


“卷積神經(jīng)網(wǎng)絡(luò)一直是人工智能革命的核心，但是現(xiàn)有的硅技術(shù)越來(lái)越成為處理速度和能源效率的瓶頸，”研究團(tuán)隊(duì)的主要支持者，來(lái)自Swinburne和Walter and Elizabeth Hall Institute的Damien Hicks教授說(shuō)。 。


他補(bǔ)充說(shuō)：“這一突破表明，新的光學(xué)技術(shù)如何使此類(lèi)網(wǎng)絡(luò)更快，更高效，并且深刻展示了跨學(xué)科思維的好處，它具有啟發(fā)和勇氣，可以從一個(gè)領(lǐng)域汲取靈感并將其運(yùn)用到解決另一個(gè)根本問(wèn)題。”

原文鏈接：https://www.xianjichina.com/special/detail_469554.html
來(lái)源：賢集網(wǎng)
著作權(quán)歸作者所有。商業(yè)轉(zhuǎn)載請(qǐng)聯(lián)系作者獲得授權(quán)，非商業(yè)轉(zhuǎn)載請(qǐng)注明出處。