牛津大学研究人员:集成光电新技术能够显著提升了人工智能的数据处理并行能力

煤油灯科技2023-12-20 16:44

研究人员已经开发出了一种集成光电硬件,能够处理三维数据。这一创新显著提升了人工智能任务的数据处理并行性能。

新一代光电硬件对于人工智能的最新进展

在10月19日发表于《自然光子学》期刊的一篇论文中,来自牛津大学的研究人员与合作者们来自明斯特大学、海德堡大学和埃克塞特大学,他们报告了他们开发的集成光电硬件的最新进展,该硬件能够处理三维(3D)数据,显著提升了人工智能任务的数据处理并行能力。

当下计算能力的挑战及光子学的作用

传统的计算机芯片处理效率每18个月翻一番,但现代人工智能任务所需的处理能力目前每3.5个月就要翻一番。这意味着亟需新的计算范式来应对不断增长的需求。

一种方法是使用光而非电子技术-这样就可以使用不同波长来表示不同数据集,从而实现多个计算并行进行。实际上,在2021年发表于《自然》期刊的开创性研究中,很多同样的作者展示了一种集成光电处理芯片,其能够以远远超过最快电子技术的速度执行矩阵向量乘法(这是人工智能和机器学习应用中至关重要的任务)。这项工作导致出生了光子人工智能公司Salience Labs,它是牛津大学的一个拆分出来的子公司。

“并行处理与现实应用中的创新”

现在,该团队通过为光子矩阵-向量乘法器芯片增加了一个额外的平行维度,使其进一步发展。这种“高维”处理是通过利用多个不同的无线电频率来编码数据而实现的,从而将并行性推至远远超过以往所达到的水平。

作为一个测试案例,该团队将他们的新颖硬件应用于评估心脏病患者的心电图所带来的突发死亡风险任务。他们能够成功地同时分析100个心电图信号,并以93.5%的准确率识别突发死亡的风险。

未来的前景与专家观点

研究人员进一步估计,即使在6个输入×6个输出的适度缩放下,这种方法也能胜过最先进的电子处理器,潜在地提供了100倍的能源效率和计算密度增强。团队预计在未来进一步提升计算并行性,通过利用光的更多自由度,如极化和模式复用。

牛津大学材料系的第一作者董博伟博士表示:“我们之前一直认为只有通过使用不同波长的光,才能增加并行性。但后来我们意识到,利用无线电频率来表示数据则开辟了另一个维度,为新兴人工智能硬件提供了超高速的并行处理能力。”

领导此项工作的牛津大学材料系教授哈里什·巴斯卡兰和Salience Labs的联合创始人表示:“现在进行基础规模的人工智能硬件研究是令人振奋的时刻,而这项研究正是一个例子,展示了我们原本认为的限制可以被进一步超越。”

你可能也喜欢这些文章