;
Новости 7 июня 2022

Крошечный чип сортирует 2 млн изображений в секунду без процессора и «оперативки»

Далее

Исследователи создали чип, который использует фотонную нейронную сеть для обработки фотоснимков. Системе, описанной в журнале Nature, требуется около 0,57 нс на обнаружение и классификацию одного изображения.

Фотонная нейронная сеть, созданная инженерами из Пенсильванского университета, представляет собой крошечный чип площадью 9,3 мм2. Система работает на основе прямой обработки света, полученного от интересующего объекта.

Исследователи объясняют, что в традиционных нейронных сетях, используемых для распознавания изображений, сначала датчик, например, камера, формирует образ целевого объекта. Оптические данные преобразуются в электрический сигнал, а затем в двоичный код, который уже можно обрабатывать, анализировать, сохранять и сортировать с помощью компьютерных микросхем. Текущее ограничение скорости таких технологий задается тактовым расписанием процессора, где вычисления происходят одно за другим в линейной последовательности.

Новая разработка устранила четыре основных фактора, отнимающих много времени в традиционном цифровом чипе: преобразование оптических сигналов в электрические, входных данных в двоичный формат, потребность в большом модуле памяти и выполнение вычислений на основе тактов. 

Схематичное представление принципов работы чипа. Изображение: Ella Maru Studio, Penn Engineering Today

Фотонная нейронная сеть обрабатывает оптические волны, падающие на массив пикселей на кристалле, когда они распространяются через слои нейронов. Разработчики говорят, что в каждом нейроне линейные вычисления выполняются оптически, а нелинейная функция активации реализуется с помощью оптоэлектроники.

Оптические нейроны чипа соединяются между собой с помощью волноводов, оптических проводов. Информация проходит через слои сети, и каждый шаг помогает классифицировать входное изображение в одну из изученных категорий. 

Авторы работ отмечают, что равномерно распределенный источник света обеспечивает одинаковый диапазон выходного оптического сигнала для каждого нейрона. Это позволяет масштабировать сеть.

Инженеры говорят, что ускорение вычислений является ключом к улучшению большого количества прикладных приложений, таких как распознавание лиц, автоматическое обнаружение текста на фотографиях или помощь беспилотным автомобилям в идентификации препятствий.


Читать далее

Китайский ИИ предсказывает курс гиперзвуковых ракет. Ответный удар будет с опережением

Из смеси ВПЧ, рака и сифилиса получились «бессмертные» клетки: что о них известно

Астрономы из Японии нашли в галактике неизвестную структуру