Wetenschappers hebben een baanbrekende nieuwe aanpak ontwikkeld die machine learning snel zal versnellen - met behulp van licht.

Een internationaal team van onderzoekers - van de universiteiten van Münster, Oxford, Exeter, Pittsburgh, École Polytechnique Fédérale (EPFL) en IBM Research Zürich hebben een computerversnellerchip van de volgende generatie ontwikkeld die gegevens verwerkt met behulp van licht in plaats van elektronica.

De resultaten zijn gepubliceerd in het toonaangevende wetenschappelijke tijdschrift Natuur op woensdag, 6 januari.

Professor C. David Wright van de Universiteit van Exeter, die het EU-project Fun-COMP leidt dat dit werk financierde, zei:"Conventionele computerchips zijn gebaseerd op elektronische gegevensoverdracht en zijn relatief traag, maar op licht gebaseerde processors - zoals die ontwikkeld in ons werk - zorgen ervoor dat complexe wiskundige taken honderden of zelfs duizenden keren sneller kunnen worden verwerkt, en met een enorm verminderd energieverbruik."

Het team van onderzoekers, onder leiding van prof. Wolfram Pernice van het Institute of Physics en het Center for Soft Nanoscience aan de Universiteit van Münster, gecombineerde geïntegreerde fotonische apparaten met phase-change materialen (PCM's) om supersnelle, energie-efficiënte matrix-vector (MV) vermenigvuldigingen.

MV-vermenigvuldigingen vormen de kern van moderne computing - van AI tot machine learning en neurale netwerkverwerking - en de noodzaak om dergelijke berekeningen met steeds hogere snelheden uit te voeren, maar met een steeds lager energieverbruik, is de drijvende kracht achter de ontwikkeling van een geheel nieuwe klasse processorchips, zogenaamde tensorverwerkingseenheden (TPU's).

Het team ontwikkelde een nieuw type fotonische TPU, een die meerdere MV-vermenigvuldigingen tegelijk en parallel kan uitvoeren. een op chips gebaseerde frequentiekam als lichtbron gebruiken, samen met golflengte-verdeling-multiplexing.

De matrixelementen werden opgeslagen met behulp van PCM's - hetzelfde materiaal dat momenteel wordt gebruikt voor herbeschrijfbare dvd's en BluRay optische schijven - waardoor het mogelijk is om de matrixstatus te behouden zonder dat er een energievoorziening nodig is.

In hun experimenten, het team gebruikte hun fotonische TPU in een zogenaamd convolutioneel neuraal netwerk voor de herkenning van handgeschreven getallen en voor beeldfiltering. "Onze studie is de eerste die frequentiekammen toepast op het gebied van kunstmatige neurale netwerken, " zegt prof. Wolfram Pernice.

"Onze resultaten kunnen een breed scala aan toepassingen hebben, " verklaarde Prof. Harish Bhaskaran van de Universiteit van Oxford, een belangrijk lid van het team:"Een fotonische TPU kan snel en efficiënt enorme datasets verwerken die worden gebruikt voor medische diagnoses, zoals die van CT, MRI- en PET-scanners, " hij ging verder.

Andere toepassingen zijn ook te vinden in zelfrijdende voertuigen, die afhankelijk zijn van snelle, snelle evaluatie van gegevens van meerdere sensoren, evenals voor het leveren van IT-infrastructuur zoals cloud computing.