Aceleración de la inteligencia artificial fotónica universal

Área de la Ciencia:

• La fotónica
• Inteligencia artificial (IA)
• Aprendizaje profundo
• Ingeniería informática

Sus antecedentes:

• La investigación fotónica se ha centrado en acelerar las operaciones tensoriales para la IA y el aprendizaje profundo para mejorar la eficiencia y el rendimiento energético.
• El campo busca alternativas a la computación tradicional para sostener el progreso más allá de la Ley de Moore y la escala de Dennard.
• Los chips fotónicos actuales carecen de la precisión para la IA práctica, con demostraciones limitadas a tareas básicas.

Objetivo del estudio:

• Introducir un nuevo procesador fotónico de IA capaz de ejecutar modelos avanzados de IA.
• Para demostrar el potencial de la computación fotónica para competir con los aceleradores electrónicos de IA.
• Contribuir al desarrollo de tecnologías informáticas posteriores a los transistores.

Principales métodos:

• Desarrollo de una nueva arquitectura fotónica de procesador de IA.
• Ejecución de modelos avanzados de IA, incluidos ResNet y BERT, en el procesador fotónico.
• Integración y prueba del algoritmo de aprendizaje de refuerzo profundo de Atari.

Principales resultados:

• El procesador fotónico de IA ejecutó con éxito modelos complejos de IA y un algoritmo de aprendizaje de refuerzo profundo.
• El procesador logró una precisión casi electrónica para una variedad de cargas de trabajo.
• Esto marca un avance significativo en la computación fotónica para aplicaciones de IA.

Conclusiones:

• El procesador fotónico de IA desarrollado demuestra capacidades prácticas para tareas avanzadas de IA.
• La computación fotónica está emergiendo como un competidor viable para los aceleradores de IA electrónicos establecidos.
• Este trabajo representa un paso crucial hacia futuros paradigmas de computación post-transistor.