Ο επεξεργαστής περίθλασης σχεδιασμένος για βαθιά μάθηση υπολογίζει εκατοντάδες μετασχηματισμούς παράλληλα

[et_pb_section fb_built=”1″ admin_label=”section” _builder_version=”4.16″ global_colors_info=”{}”][et_pb_row admin_label=”row” _builder_version=”4.16″position background_size=”initial” ” global_colors_info=”{}”][et_pb_column type=”4_4″ _builder_version=”4.16″ custom_padding=”|||” global_colors_info=”{}” custom_padding__hover=”|||”][et_pb_text admin_label=”Text” _builder_version=”4.16″ background_size=”initial” background_position=”top_left” background_repeat=”repeat” global_colors_info

Στη σημερινή ψηφιακή εποχή, οι υπολογιστικές εργασίες έχουν γίνει ολοένα και πιο περίπλοκες. Αυτό, με τη σειρά του, έχει οδηγήσει σε εκθετική αύξηση της ισχύος που καταναλώνουν οι ψηφιακοί υπολογιστές. Επομένως, είναι απαραίτητο να αναπτυχθούν πόροι υλικού που μπορούν να εκτελούν υπολογισμούς μεγάλης κλίμακας με γρήγορο και ενεργειακά αποδοτικό τρόπο.

Από την άποψη αυτή, οπτικοί υπολογιστές, τα οποία χρησιμοποιούν φως αντί για ηλεκτρισμό για την εκτέλεση υπολογισμών, είναι πολλά υποσχόμενα. Μπορούν ενδεχομένως να προσφέρουν χαμηλότερη καθυστέρηση και μειωμένη κατανάλωση ενέργειας, επωφελούμενα από τον παραλληλισμό που οπτικά συστήματα έχουν. Ως αποτέλεσμα, οι ερευνητές έχουν εξερευνήσει διάφορα σχέδια οπτικών υπολογιστών.

Για παράδειγμα, ένα περιθλαστικό οπτικό δίκτυο έχει σχεδιαστεί μέσω του συνδυασμού οπτικής και βαθιάς μάθησης για την οπτική εκτέλεση σύνθετων υπολογιστικών εργασιών όπως η ταξινόμηση και η ανακατασκευή εικόνας. Αποτελείται από μια στοίβα δομημένων περιθλατικών στρωμάτων, καθένα από τα οποία έχει χιλιάδες περιθλατικά χαρακτηριστικά/νευρώνες. Αυτά τα παθητικά στρώματα χρησιμοποιούνται για τον έλεγχο των αλληλεπιδράσεων φωτός-ύλης για τη διαμόρφωση του εισερχόμενου φωτός και την παραγωγή της επιθυμητής εξόδου. Οι ερευνητές εκπαιδεύουν το περιθλατικό δίκτυο βελτιστοποιώντας το προφίλ αυτών των στρωμάτων χρησιμοποιώντας βαθιά μάθηση εργαλεία. Μετά την κατασκευή του προκύπτοντος σχεδιασμού, αυτό το πλαίσιο λειτουργεί ως αυτόνομη μονάδα οπτικής επεξεργασίας που απαιτεί μόνο μια πηγή φωτισμού εισόδου για να τροφοδοτηθεί.

Μέχρι στιγμής, οι ερευνητές έχουν σχεδιάσει με επιτυχία μονοχρωματικά (φωτισμός μονού μήκους κύματος) περιθλαστικά δίκτυα για την εφαρμογή ενός ενιαίου γραμμικού μετασχηματισμός (πολλαπλασιασμός πινάκων). Είναι όμως δυνατόν να υλοποιηθούν ταυτόχρονα πολλοί περισσότεροι γραμμικοί μετασχηματισμοί; Η ίδια ερευνητική ομάδα του UCLA που εισήγαγε για πρώτη φορά τα περιθλαστικά οπτικά δίκτυα ασχολήθηκε πρόσφατα με αυτό το ερώτημα. Σε μια πρόσφατη μελέτη που δημοσιεύτηκε στο Προηγμένη Φωτονική, χρησιμοποίησαν ένα σχήμα πολυπλεξίας μήκους κύματος σε ένα περιθλαστικό οπτικό δίκτυο και έδειξαν τη δυνατότητα χρήσης ενός ευρυζωνικού περιθλαστικού δικτύου. επεξεργαστή για την εκτέλεση μαζικά παράλληλων γραμμικών πράξεων μετασχηματισμού.

Ο καθηγητής Aydogan Ozcan, Πρύτανης του UCLA, επικεφαλής της ερευνητικής ομάδας στη Σχολή Μηχανικών Samueli, περιγράφει συνοπτικά την αρχιτεκτονική και τις αρχές αυτού του οπτικού επεξεργαστή: «Ένας ευρυζωνικός περιθλατικός οπτικός επεξεργαστής έχει οπτικά πεδία εισόδου και εξόδου με N_i και Ν_o εικονοστοιχεία, αντίστοιχα. Συνδέονται με διαδοχικά δομημένα διαθλαστικά στρώματα, κατασκευασμένα από παθητικά διαπερατά υλικά. Μια προκαθορισμένη ομάδα N_w «Τα διακριτά μήκη κύματος κωδικοποιούν τις πληροφορίες εισόδου και εξόδου. Κάθε μήκος κύματος είναι αφιερωμένο σε μια μοναδική συνάρτηση-στόχο ή γραμμικό μετασχηματισμό μιγαδικών τιμών», εξηγεί.

«Αυτοί οι μετασχηματισμοί-στόχοι μπορούν να αντιστοιχιστούν ειδικά σε ξεχωριστές λειτουργίες όπως η ταξινόμηση και η τμηματοποίηση εικόνας, ή μπορούν να αφιερωθούν στον υπολογισμό διαφορετικών λειτουργιών συνελικτικού φίλτρου ή πλήρως συνδεδεμένων στρωμάτων σε ένα νευρωνικό δίκτυο. Όλοι αυτοί οι γραμμικοί μετασχηματισμοί ή οι επιθυμητές συναρτήσεις εκτελούνται ταυτόχρονα με την ταχύτητα του φωτός, όπου κάθε επιθυμητή συνάρτηση αντιστοιχίζεται σε ένα μοναδικό μήκος κύματος. Αυτό επιτρέπει στον οπτικό επεξεργαστή ευρείας ζώνης να υπολογίζει με εξαιρετική απόδοση και παραλληλισμό.»

Οι ερευνητές απέδειξαν ότι ένας τέτοιος σχεδιασμός οπτικού επεξεργαστή με πολυπλεξία μήκους κύματος μπορεί να προσεγγίσει το N_w μοναδικούς γραμμικούς μετασχηματισμούς με αμελητέο σφάλμα όταν ο συνολικός αριθμός των περιθλατικών χαρακτηριστικών N είναι μεγαλύτερος ή ίσος με 2N_wN_iN_oΑυτό το συμπέρασμα επιβεβαιώθηκε για το Ν._w > 180 ξεχωριστοί μετασχηματισμοί μέσω αριθμητικές προσομοιώσεις και ισχύει για υλικά με διαφορετικές ιδιότητες διασποράς. Επιπλέον, η χρήση μεγαλύτερου N (3N_wN_iN_o) αυξημένο Ν_w επιπλέον, σε περίπου 2000 μοναδικούς μετασχηματισμούς που εκτελούνται όλοι οπτικά παράλληλα.

Όσον αφορά τις προοπτικές αυτού του νέου σχεδιασμού υπολογιστών, ο Ozcan λέει: «Τέτοιοι μαζικά παράλληλοι, πολυπλεγμένοι ως προς το μήκος κύματος επεξεργαστές περίθλασης θα είναι χρήσιμοι για το σχεδιασμό ευφυών συστημάτων μηχανικής όρασης υψηλής απόδοσης και υπερφασματικών επεξεργαστών και θα μπορούσαν να εμπνεύσουν πολυάριθμες εφαρμογές σε διάφορους τομείς, όπως η βιοϊατρική απεικόνιση, η τηλεπισκόπηση, η αναλυτική χημεία και η επιστήμη των υλικών».

Πηγή: Ο επεξεργαστής περίθλασης σχεδιασμένος για βαθιά μάθηση υπολογίζει εκατοντάδες μετασχηματισμούς παράλληλα

[/ et_pb_text] [/ et_pb_column] [/ et_pb_row] [/ et_pb_section]