Biologinis neuronas ir jo įkvėpti matematiniai skaičiavimai. Kreditas: IEEE pasirinktų kvantinės elektronikos temų žurnalas (2022). DOI: 10.1109 / JSTQE.2022.3211453 Scalable Neuromorphic Networks kūrimo atvejis yra toks: kaip ir žmonės, protingesni lustai turi didesnį ir griežtesnį neuronų tinklą. Iš tiesų, neuroniniai tinklai yra dabartinė mašininio mokymosi technologija. Tai nėra robotika, kai nejaučianti ranka vykdo aiškius nurodymus. Vietoj to, mašininis mokymasis naudoja algoritmus ir statistinius modelius, kad analizuotų ir iš duomenų modelių padarytų išvadas.
Net keli neuronai, sujungti kartu, gali padaryti mažus įspūdingus dalykus. Tačiau reikia daugiau. Taigi komanda iš Naujojo Džersio ir Kingstono, Ontarijo, parengė dokumentą, kuriame aprašoma, ko reikės, kad būtų užtikrintas tikras mastelio keitimas priimant lustais pagrįstus sprendimus.
Siūlomas atsakymas yra nauja bangos ilgio perjungiamo fotoninio neuroninio tinklo (WS-PNN) sistemos architektūra. Pirmoje straipsnio dalyje pateikiami pagrindai, tada aprašomi išlyginto mastelio ir lankstumo pranašumai, gaunami integruojant pasirinktas topologijas.
Dėl daugelio priežasčių, visų pirma dėl šviesos greičio, reikalinga fotoninė integrinių grandynų aparatinė įranga. Neuromorfinė kompiuterio architektūra atlieka skaičiavimus lygiagrečiai, paskirstytu būdu, pasveria šių skaičiavimų rezultatus, juos susumuoja, atlieka netiesinę operaciją iki sumavimo, prieš išsiunčiant išvestį daugeliui kitų neuronų ir galiausiai pateikia geriausią savo klasėje atsakymą. . Lygiai taip pat, kaip darė jūsų neuronai, kai lankėtės pamokose, tiesa? Teisingai.
Silicio pagrindo neuronai yra sugrupuoti į sluoksnius, o neuronai yra sujungti tik su gretimų sluoksnių neuronais. Sluoksniuojančio neuroninio tinklo architektūros pranašumas yra tas, kad ji leidžia atlikti matematinius tiesinės algebros triukus, kurie pagreitina skaičiavimus. Galima rinktis iš skirtingų sluoksnių tipų ir topologijų. Kiekvienas neuroninio tinklo tipas puikiai išsprendžia tam tikrą problemų sritį ir kiekvienas yra suderintas su hiper parametrais, kurie optimizuoja tuos sprendimus (įvairovė yra gera).
Kalbant apie įvairovę, darbe aptariami dviejų tipų fotoniniai neuronai: nešokiuojantis tipas su mikrožiedo moduliatoriumi ir išoriniu šviesos šaltiniu ir smailėjantis neuronas, naudojant sužadinamus lazerius. Topologijos pasirinkimai apima vienos grupės ir dviejų grupių fotoninius neuronus.
Straipsnyje iliustruojamos išplėstos neuroninių tinklų topologijos prieš anksčiau minėtų rezultatų įvertinimą, kad būtų pasiektas neuroninio tinklo mastelio keitimas naudojant fiksuotą bangos ilgių skaičių. Lankstumas, atsirandantis dėl skirtingų topologijų maišymo, palaiko platų mašininio mokymosi (ty sudėtingo signalo apdorojimo) programų spektrą.
Straipsnyje dėmesys sutelkiamas į taikomųjų mašinų mokymąsi, tiesiogiai veda prie mikrožiedinių rezonatorių (MMR) naudojimo lusto grandinės projekte. Mikrožiediniai rezonatoriai naudojami ne tik optiniam signalų apdorojimui neuroniniame tinkle, bet jie taip pat gali užtikrinti perkonfigūruojamą perjungimą.
Perkonfigūravimas perkelia silicio fotoniką tokiu keliu, kaip elektroninis specialus lustas (ASIC), kuris išsivysto į lauko programuojamų vartų matricą (FPGA). Pripažinkime: programuojamumo pranašumai yra lemiami, kai sistemos tampa sudėtingesnės. Be to, specialūs traškučiai yra brangūs ir pagaminti užtrunka ilgą laiką. Mastelio keitimas su fiksuotu bangos ilgių skaičiumi gali būti tik bilietas.
Straipsnyje siūloma naudoti bangos ilgio selektyvius jungiklius (WSS) vadinamojoje transliavimo kilpoje, skirtoje bangos ilgio perjungiamam fotoniniam neuroniniam tinklui (WS-PNN). WS-PNN architektūra gali palaikyti daugelio fotoninių neuroninių tinklų sujungimą sujungdama kelis PNN lustus su ne lusto WSS.
Tikimasi, kad WS-PNN architektūra suras naujų pritaikymų naudoti ne lustinius WSS jungiklius, kad būtų galima sujungti fotoninių neuronų grupes. WS-PNN sujungimas gali pasiekti precedento neturintį fotoninių neuroninių tinklų mastelio keitimą, kartu palaikant universalų grįžtamojo ir pasikartojančio neuroninio tinklo topologijų mišinio pasirinkimą.
Tyrimas paskelbtas IEEE pasirinktų kvantinės elektronikos temų žurnalas.
Daugiau informacijos: Lei Xu ir kt., Scalable Networks of Neuromorphic Photonic Integrated Circuits, IEEE pasirinktų kvantinės elektronikos temų žurnalas (2022). DOI: 10.1109 / JSTQE.2022.3211453
Teikia Elektros ir elektronikos inžinierių institutas
Citata: nagrinėjant, ko reikės norint gauti tikrą mastelį priimant sprendimus lustais (2023 m., kovo 31 d.), gauta 2023 m. balandžio 1 d. iš https://techxplore.com/news/2023-03-real-scalability-chip-based -sprendimų priėmimas.html
Šis dokumentas yra saugomas autorių teisių. Išskyrus bet kokius sąžiningus sandorius privačių studijų ar mokslinių tyrimų tikslais, jokia dalis negali būti atkuriama be raštiško leidimo. Turinys pateikiamas tik informaciniais tikslais.
