Фотонная нейросеть, обрабатывающая сигналы из волоконно-оптических сенсоров в реальном времени, демонстрирует прорыв в скорости и энергоэффективности, открывая перспективы.
Навигация Свет против электричестваПрорыв в обработке сигналовКак обуздать фотонную точностьПоражающая мощность.
Свет против электричества
Представьте себе искусственный интеллект, вместо электрических импульсов использующий свет. Именно над такой технологией работают исследователи из Китая, создавшие фотонную нейросеть, способную обрабатывать данные в реальном времени со скоростью, в десятки раз превышающей традиционные компьютеры. Этот прорыв основан на сочетании машинного обучения с технологией распределенной акустической сенсорики (DAS), использующей волоконно-оптические кабели для обнаружения вибраций.
DAS уже применяется для мониторинга землетрясений, нефтепроводов и железных дорог, но проблема всегда была одна – как обработать огромный объем данных в режиме реального времени. И здесь на сцену выходят фотонные вычисления – технология, которая вместо электронов использует фотоны, то есть свет. Это позволяет значительно ускорить вычисление и снизить потребление энергии.
Прорыв в обработке сигналов
Команда исследователей из Нанкинского университета под руководством Нинму Цзоу разработала устройство под названием Time-Wavelength Multiplexed Photonic Neural Network Accelerator (TWM-PNNA). Это первый в мире успешный пример интеграции фотонной нейросети с системами DAS, способным работать в реальном времени. Их инновация позволяет обрабатывать двумерные сигналы DAS путем преобразования в одномерные векторы, которые затем кодируются в световые сигналы.
Для этого они использовали лазеры с разными длинами волн, соответствующими математическим фильтрам нейросети. Эти фильтры (ядра свертки) необходимы для того, чтобы выделять ключевые признаки из входящих данных. Такой подход позволяет почти мгновенно анализировать информацию, получаемую из оптических сенсоров.
Как обуздать фотонную точность
Разработка столкнулась с рядом сложных технических задач. Наибольшие трудности возникли из-за модулирующего смещения частоты (chirp), влияющего на точность вычислений. Исследователи определили, что если соотношение этого сдвига к интервалу между лазерными каналами превышает 0.1, точность распознавания значительно падает.
Применив технику push-pull модуляции, ученые смогли снизить негативное влияние и достичь точности классификации более 90%. Это почти равняется точности обычных электронных систем, которая составляет 98,3%. Более того, система оставалась стабильной даже тогда, когда сохранялось только 60% параметров соединения – это открывает путь к упрощению моделей без потери качества.
Поражающая мощность.
По результатам тестирования TWM-PNNA выполняет 1,6 триллиона операций в секунду (TOPS) с энергоэффективностью 0,87 TOPS/Вт. Теоретически система способна достичь 81 TOPS при эффективности 21,02 TOPS/Вт – это в разы превосходит современные графические процессоры, используемые в AI-расчетах. Благодаря этому открывается перспектива создания более экологичных, экономических и производительных решений для анализа данных.
Разработка позволяет не только усовершенствовать системы мониторинга инфраструктуры, но и закладывает фундамент для новой эпохи вычислений, где свет может стать главным двигателем искусственного интеллекта.
Напомним, ранее мы писали об искусственном интеллекте в науке.
