Nature Physics: новейшие нейронные сети реализуют при помощи оптики

Ученые Института науки о свете Общества Макса Планка предложили новейшую реализацию нейронной сети на оптической системе, которая в состоянии сделать машинное обучение (педагогический процесс, в результате которого учащиеся под руководством учителя овладевают знаниями, умениями и навыками) наиболее энергоэффективным в дальнейшем. О этом сообщается в статье, размещенной в журнальчике Nature Physics.

Машинное обучение (педагогический процесс, в результате которого учащиеся под руководством учителя овладевают знаниями, умениями и навыками) и искусственный ум требуют все наиболее сложных нейронных сетей, что приводит к значимым затратам энергии и времени на обучение (педагогический процесс, в результате которого учащиеся под руководством учителя овладевают знаниями, умениями и навыками). К примеру, обучение (педагогический процесс, в результате которого учащиеся под руководством учителя овладевают знаниями, умениями и навыками) GPT-3 потребляло наиболее 1000 мегаватт-час энергии, что эквивалентно каждодневному потреблению маленького городка.

«Будущее уже пришло»Как умные дома и умные городка изменят жизнь млрд людей по всему миру?Со скоростью света.Как квантовые компы изменят мир и жизнь россиян?

Переход к нейроморфным вычислениям подразумевает подмену нейронных сетей, реализованных на архитектуре фон Неймана, физическими нейронными сетями, имитирующими мозговую деятельность. Оптика и фотоника в особенности перспективны в данной для нас области, потому что они минимизируют энергопотребление и разрешают делать вычисления на больших скоростях. Но до сего времени существовали две главные задачи: необходимость в лазере высочайшей мощности для сотворения оптической нейросети и отсутствие действенного способа обучения таковых сетей.

В новеньком подходе, который решает эту делему, входные данные запечатлеваются через изменение пропускания света, что дозволяет обработать входной сигнал произвольным образом. Это дозволяет избежать сложных физических взаимодействий и просит световых полей наименьшей мощности.

При помощи моделирования создатели проявили, что их способ может употребляться для задач систематизации изображений с той же точностью, что и цифровые нейронные сети. Это открывает новейшие способности для нейроморфных устройств, позволяя проводить машинное обучение (педагогический процесс, в результате которого учащиеся под руководством учителя овладевают знаниями, умениями и навыками) на широком диапазоне платформ.