Mae NTT a Phrifysgol Tokyo yn Datblygu AI Cyfrifiadura Optegol Cyntaf y Byd gan Ddefnyddio Algorithm Wedi'i Ysbrydoli gan yr Ymennydd Dynol

Mae cydweithredu yn hyrwyddo cymhwysiad ymarferol AI pŵer isel, cyflym yn seiliedig ar gyfrifiadura optegol

TOKYO – (Gwifren BUSNES) –#TechforDa-Gorfforaeth NTT (Llywydd a Phrif Swyddog Gweithredol: Akira Shimada, “NTT”) a'r Prifysgol Tokyo (Bunkyo-ku, Tokyo, Llywydd: Teruo Fujii) wedi dyfeisio algorithm dysgu newydd wedi'i ysbrydoli gan brosesu gwybodaeth yr ymennydd sy'n addas ar gyfer rhwydweithiau niwral artiffisial aml-haenog (DNN) gan ddefnyddio gweithrediadau analog. Bydd y datblygiad arloesol hwn yn arwain at ostyngiad yn y defnydd o bŵer ac amser cyfrifo ar gyfer AI. Cyhoeddwyd canlyniadau'r datblygiad hwn yn y cyfnodolyn gwyddonol Prydeinig Cyfathrebu Natur ar Ragfyr 26^th.

Cyflawnodd ymchwilwyr yr arddangosiad cyntaf yn y byd o ddysgu DNN optegol a weithredir yn effeithlon trwy gymhwyso'r algorithm i DNN sy'n defnyddio cyfrifiant analog optegol, y disgwylir iddo alluogi dyfeisiau dysgu peiriannau pŵer isel, cyflym. Yn ogystal, maent wedi cyflawni perfformiad uchaf y byd o rwydwaith niwral artiffisial aml-haenog sy'n defnyddio gweithrediadau analog.

Yn y gorffennol, cyflawnwyd cyfrifiadau dysgu llwyth uchel gan gyfrifiadau digidol, ond mae'r canlyniad hwn yn profi ei bod yn bosibl gwella effeithlonrwydd y rhan ddysgu trwy ddefnyddio cyfrifiadau analog. Mewn technoleg Rhwydwaith Niwral Dwfn (DNN), cyfrifir rhwydwaith niwral cylchol o'r enw cyfrifiadura cronfa ddŵr dwfn trwy dybio curiad optegol fel niwron a chylch optegol aflinol fel rhwydwaith niwral gyda chysylltiadau ailadroddus. Trwy ail-fewnbynnu'r signal allbwn i'r un cylched optegol, caiff y rhwydwaith ei ddyfnhau'n artiffisial.

Mae technoleg DNN yn galluogi deallusrwydd artiffisial uwch (AI) megis cyfieithu peirianyddol, gyrru ymreolaethol a roboteg. Ar hyn o bryd, mae'r pŵer a'r amser cyfrifo sy'n ofynnol yn cynyddu ar gyfradd sy'n fwy na'r twf ym mherfformiad cyfrifiaduron digidol. Disgwylir i dechnoleg DNN, sy'n defnyddio cyfrifiadau signal analog (gweithrediadau analog), fod yn ddull o wireddu cyfrifiadau effeithlonrwydd uchel a chyflymder tebyg i rwydwaith niwral yr ymennydd. Mae'r cydweithrediad rhwng NTT a Phrifysgol Tokyo wedi datblygu algorithm newydd sy'n addas ar gyfer gweithrediad analog DNN nad yw'n cymryd yn ganiataol y ddealltwriaeth o'r paramedrau dysgu sydd wedi'u cynnwys yn y DNN.

Mae'r dull arfaethedig yn dysgu trwy newid y paramedrau dysgu yn seiliedig ar haen olaf y rhwydwaith a thrawsnewidiad hap aflinol gwall y signal allbwn a ddymunir (signal gwall). Mae'r cyfrifiad hwn yn ei gwneud hi'n haws gweithredu cyfrifiadau analog mewn pethau fel cylchedau optegol. Gellir ei ddefnyddio hefyd nid yn unig fel model ar gyfer gweithredu corfforol, ond hefyd fel model blaengar a ddefnyddir mewn cymwysiadau megis cyfieithu peirianyddol a modelau AI amrywiol, gan gynnwys y model DNN. Disgwylir i'r ymchwil hwn gyfrannu at ddatrys problemau sy'n dod i'r amlwg sy'n gysylltiedig â chyfrifiadura AI, gan gynnwys defnydd pŵer a mwy o amser cyfrifo.

Yn ogystal ag archwilio cymhwysedd y dull a gynigir yn y papur hwn i broblemau penodol, bydd NTT hefyd yn hyrwyddo integreiddio caledwedd optegol ar raddfa fawr ac ar raddfa fach, gyda'r nod o sefydlu llwyfan cyfrifiadura optegol cyflym, pŵer isel ar gyfer optegol yn y dyfodol. rhwydweithiau.

Cefnogaeth ar gyfer yr Ymchwil hwn:

Cefnogodd JST/CREST ran o'r canlyniadau ymchwil hyn.

Cyhoeddiad Cylchgrawn:

Cylchgrawn: Cyfathrebu Natur (Fersiwn ar-lein: Rhagfyr 26)

Teitl yr Erthygl: Dysgu Corfforol Dwfn gyda Hyfforddiant Wedi'i Ysbrydoli yn Fiolegol Dull: Dull Heb Raddiant ar gyfer Caledwedd Corfforol

Awduron: Mitsumasa Nakajima, Katsuma Inoue, Kenji Tanaka, Yasuo Kuniyoshi, Toshikazu Hashimoto, a Kohei Nakajima

Eglurhad o derminoleg:

1. Cylched optegol: Cylched lle mae tonnau optegol silicon neu chwarts yn cael eu hintegreiddio i wafer silicon gan ddefnyddio technoleg gweithgynhyrchu cylched electronig. Mewn cyfathrebu, mae canghennu ac uno llwybrau cyfathrebu optegol yn cael eu perfformio gan ymyrraeth optegol, amlblecsio tonfedd / dadamlblecsio, ac yn y blaen.
2. Dull backpropagation (BP): Yr algorithm dysgu a ddefnyddir amlaf mewn dysgu dwfn. Ceir graddiannau pwysau (paramedrau) yn y rhwydwaith wrth luosogi'r signal gwall yn ôl, a chaiff y pwysau eu diweddaru fel bod y gwall yn mynd yn llai. Gan fod y broses backpropagation yn gofyn am drawsosod matrics pwysau'r model rhwydwaith a gwahaniaethu aflinol, mae'n anodd ei weithredu ar gylchedau analog, gan gynnwys ymennydd organeb fyw.
3. Cyfrifiadura analog: Cyfrifiadur sy'n mynegi gwerthoedd go iawn defnyddio meintiau ffisegol megis dwyster a chyfnod golau a chyfeiriad a dwyster troelli magnetig a gwneud cyfrifiadau trwy newid y meintiau ffisegol hyn yn unol â chyfreithiau ffiseg.
4. Dull aliniad adborth uniongyrchol (DFA): Dull o ffug-gyfrifo signal gwall pob haen trwy berfformio trawsnewidiad hap aflinol ar signal gwall yr haen olaf. Gan nad oes angen gwybodaeth wahaniaethol y model rhwydwaith arno a dim ond trwy drawsnewid cyfochrog ar hap y gellir ei gyfrifo, mae'n gydnaws â chyfrifiad analog.
5. Cyfrifiadura cronfa ddŵr: Math o rwydwaith niwral cylchol gyda chysylltiadau rheolaidd yn yr haen gudd. Fe'i nodweddir gan osod cysylltiadau ar hap mewn haen ganolraddol o'r enw haen cronfa ddŵr. Mewn cyfrifiadura cronfa ddŵr dwfn, perfformir prosesu gwybodaeth trwy gysylltu haenau cronfeydd dŵr mewn haenau lluosog.

Mae NTT a'r logo NTT yn nodau masnach cofrestredig neu'n nodau masnach NIPPON TELEGRAPH AND TELEPHONE CORPORATION a / neu ei chymdeithion. Mae pob enw cynnyrch arall y cyfeirir ato yn nodau masnach eu perchnogion priodol. © 2023 CORFFORAETH NIPPON TELEGRAPH A FFÔN

Cysylltiadau

Stephen Russell

Cyfathrebu Ochr Wire®

Ar gyfer NTT

+ 1-804-362 7484-

[e-bost wedi'i warchod]