I ricercatori del MIT hanno sviluppato un nuovo chip fotonico che utilizza la luce anziché l’elettricità e consuma relativamente poca energia nel processo. Il chip, spiega il MIT, potrebbe essere utilizzato per elaborare reti neurali massive in modo più efficiente, di milioni di volte, rispetto ai classici computer di oggi.
Le reti neurali sono modelli di machine learning ampiamente utilizzati per compiti quali l’identificazione di oggetti nella robotica, l’elaborazione del linguaggio naturale, lo sviluppo di farmaci, l’imaging medico e la guida autonoma nelle auto senza conducente. Nuove reti neurali ottiche, che utilizzano i fenomeni ottici per accelerare il calcolo, possono funzionare in modo molto più veloce ed efficiente rispetto alle loro controparti elettriche, hanno spiegato i ricercatori del MIT.
Siccome le reti neurali tradizionali e ottiche diventano sempre più complesse, consumano enormi quantità di energia. Per affrontare questo problema, spiega ancora il MIT, i ricercatori e le principali aziende tecnologiche, tra cui Google, Ibm e Tesla, hanno sviluppato acceleratori di intelligenza artificiale, chip specializzati che migliorano la velocità e l’efficienza delle attività di training e test delle reti neurali.
Per i chip elettrici, inclusa la maggior parte degli acceleratori di intelligenza artificiale, esiste un limite minimo teorico per il consumo di energia. Recentemente, i ricercatori del MIT hanno iniziato a sviluppare acceleratori fotonici per reti neurali ottiche. Questi chip performano con un’efficienza di ordini di grandezza superiore, ma fanno affidamento su alcuni componenti ottici ingombranti che ne limitano l’utilizzo a reti neurali relativamente piccole.
Verso lo sviluppo di un nuovo chip fotonico
In un paper pubblicato su Physical Review X, i ricercatori del MIT hanno descritto un nuovo acceleratore fotonico che utilizza componenti ottici più compatti e tecniche di elaborazione del segnale ottico per ridurre drasticamente sia il consumo energetico che le dimensioni del chip. Ciò consente al chip di scalare su reti neurali di diversi ordini di grandezza più ampie.
Un training simulato di reti neurali sul set di dati di classificazione delle immagini MNIST, spiegano ancora i ricercatori del MIT, suggerisce che l’acceleratore può teoricamente processare reti neurali oltre 10 milioni di volte al di sotto del limite di consumo energetico degli acceleratori tradizionali basati su elettricità e circa 1.000 volte al di sotto del limite degli acceleratori fotonici. I ricercatori stanno ora lavorando su un chip prototipo per dimostrare sperimentalmente i risultati.
Maggiori informazioni sono disponibili sul sito del MIT, a questo link.
