Quantum News

‍ ‍ ⚠️رونمایی از تراشه فوتونیکی برای محاسبات هوش مصنوعی فوق سریع و کارآمد⚠️

🔹محققان MIT از یک تراشه فوتونیکی پیشگامانه رونمایی کرده اند که قادر است تمام عملیات کلیدی شبکه عصبی عمیق را با استفاده از نور انجام دهد و سرعت و کارایی انرژی بی نظیری ارائه دهد. این نوآوری #اپتیک و #الکترونیک را برای دستیابی به محاسبات غیرخطی مستقیماً روی تراشه، دور زدن پردازنده های خارجی و کاهش قابل توجه مصرف انرژی، ترکیب می کند. برخلاف سخت‌افزار دیجیتال سنتی، این تراشه محاسبات را در کمتر از نیم نانوثانیه کامل می‌کند و آن را برای کاربردهای آنی مانند مخابرات و ناوبری ایده‌آل می‌کند.

🔸شبکه های عصبی عمیق برای یادگیری به عملیات خطی مانند ضرب ماتریس و توابع غیرخطی متکی هستند. پردازنده‌های نوری قبلی فقط می‌توانستند وظایف خطی را انجام دهند که به پشتیبانی الکترونیکی برای عملیات غیرخطی نیاز داشتند. راه حل MIT واحدهای عملکرد نوری غیرخطی (NOFUs) را در تراشه ادغام می کند و امکان پردازش نوری و الکترونیکی یکپارچه را فراهم می کند. این واحدها نور را به سیگنال‌های الکتریکی برای انجام وظایف غیرخطی تبدیل می‌کنند و یک سیستم کاملاً نوری با عملکرد فوق سریع ارائه می‌دهند.

🔹یکی از ویژگی های کلیدی این #پردازنده_فوتونیکی، توانایی آن برای آموزش درجا است – آموزش مستقیم مدل های #هوش_مصنوعی بر روی تراشه. این ویژگی، فرآیندهای انرژی‌بر سیستم‌های آموزشی سنتی را حذف می‌کند. این تراشه دقت 92.5 درصدی را در طبقه‌بندی شش صدای مصوت در طول آزمایش‌ها نشان داد که با پردازنده‌های دیجیتال پیشرفته رقابت می‌کند.

🔸این تراشه که با استفاده از تکنیک‌های تجاری CMOS تولید شده است، راه را برای تولید مقیاس‌پذیر و ادغام با فناوری‌های روزمره، مانند دوربین‌های پرسرعت و  لیدار هموار می‌کند. تأخیر فوق سریع در مقیاس نانوثانیه و بهره وری انرژی فمتوژول در هر عملیات، آن را به یک کاندیدای قوی برای زمینه هایی که نیاز به محاسبات سریع دارند، از جمله فیزیک ذرات و پردازش سیگنال نوری، تبدیل کرده است.

🔹این مطالعه که در Nature Photonics منتشر شده است، پتانسیل تراشه را برای بازتعریف محاسبات هوش مصنوعی، ارائه مسیری به سمت آموزش و استنتاج با بهره‌وری بالا، کارآمد انرژی، برجسته می‌کند. هدف محققان این است که این فناوری را برای کارهای پیچیده‌تر مقیاس‌بندی کنند و الگوریتم‌های سیستم‌های نوری را اصلاح کنند و آینده‌ای را نوید دهند که در آن هوش مصنوعی با سرعت‌های بی‌سابقه‌ای کار کند.

🌐لینک خبر

📎join: @QuantumTEQ  

🔵LinkedIn   
_._._._._._._._._._._._
#اخبار

www.tgoop.com/QuantumTEQ/936

904 viewsDec 11 at 10:30

‍ ‍ ⚠️رونمایی از تراشه فوتونیکی برای محاسبات هوش مصنوعی فوق سریع و کارآمد⚠️

🔹محققان MIT از یک تراشه فوتونیکی پیشگامانه رونمایی کرده اند که قادر است تمام عملیات کلیدی شبکه عصبی عمیق را با استفاده از نور انجام دهد و سرعت و کارایی انرژی بی نظیری ارائه دهد. این نوآوری #اپتیک و #الکترونیک را برای دستیابی به محاسبات غیرخطی مستقیماً روی تراشه، دور زدن پردازنده های خارجی و کاهش قابل توجه مصرف انرژی، ترکیب می کند. برخلاف سخت‌افزار دیجیتال سنتی، این تراشه محاسبات را در کمتر از نیم نانوثانیه کامل می‌کند و آن را برای کاربردهای آنی مانند مخابرات و ناوبری ایده‌آل می‌کند.

🔸شبکه های عصبی عمیق برای یادگیری به عملیات خطی مانند ضرب ماتریس و توابع غیرخطی متکی هستند. پردازنده‌های نوری قبلی فقط می‌توانستند وظایف خطی را انجام دهند که به پشتیبانی الکترونیکی برای عملیات غیرخطی نیاز داشتند. راه حل MIT واحدهای عملکرد نوری غیرخطی (NOFUs) را در تراشه ادغام می کند و امکان پردازش نوری و الکترونیکی یکپارچه را فراهم می کند. این واحدها نور را به سیگنال‌های الکتریکی برای انجام وظایف غیرخطی تبدیل می‌کنند و یک سیستم کاملاً نوری با عملکرد فوق سریع ارائه می‌دهند.

🔹یکی از ویژگی های کلیدی این #پردازنده_فوتونیکی، توانایی آن برای آموزش درجا است – آموزش مستقیم مدل های #هوش_مصنوعی بر روی تراشه. این ویژگی، فرآیندهای انرژی‌بر سیستم‌های آموزشی سنتی را حذف می‌کند. این تراشه دقت 92.5 درصدی را در طبقه‌بندی شش صدای مصوت در طول آزمایش‌ها نشان داد که با پردازنده‌های دیجیتال پیشرفته رقابت می‌کند.

🔸این تراشه که با استفاده از تکنیک‌های تجاری CMOS تولید شده است، راه را برای تولید مقیاس‌پذیر و ادغام با فناوری‌های روزمره، مانند دوربین‌های پرسرعت و  لیدار هموار می‌کند. تأخیر فوق سریع در مقیاس نانوثانیه و بهره وری انرژی فمتوژول در هر عملیات، آن را به یک کاندیدای قوی برای زمینه هایی که نیاز به محاسبات سریع دارند، از جمله فیزیک ذرات و پردازش سیگنال نوری، تبدیل کرده است.

🔹این مطالعه که در Nature Photonics منتشر شده است، پتانسیل تراشه را برای بازتعریف محاسبات هوش مصنوعی، ارائه مسیری به سمت آموزش و استنتاج با بهره‌وری بالا، کارآمد انرژی، برجسته می‌کند. هدف محققان این است که این فناوری را برای کارهای پیچیده‌تر مقیاس‌بندی کنند و الگوریتم‌های سیستم‌های نوری را اصلاح کنند و آینده‌ای را نوید دهند که در آن هوش مصنوعی با سرعت‌های بی‌سابقه‌ای کار کند.

🌐لینک خبر

📎join: @QuantumTEQ  

🔵LinkedIn   
_._._._._._._._._._._._
#اخبار

BY Quantum News