Кремниевый чип реализует световую нейросеть для более быстрой и энергоэффективной обработки сигналов

• Исследователи создали кремниевый чип, который точно распределяет световой сигнал, демонстрируя новый дизайн нейронной сети.
• Свет устраняет интерференции, вызванные электрическим зарядом, и может перемещаться быстрее и дальше.

Разработка энергоэффективных и высококомпактных интерконнектов была ключевой исследовательской целью для интегрированной фотоники. У них широкий спектр применений, включая эффективные телекоммуникации и высокопропускные межкристальные коммуникации в CMOS-устройствах.

Многие ученые по всему миру работают над схемами искусственных нейронных сетей для эмуляции человеческого мозга. Однако традиционная электрическая проводка полупроводниковых схем не способна справляться со сложной маршрутизацией, необходимой для передовых нейронных сетей.

Недавно ученые Национального института стандартов и технологий (NIST) разработали кремниевый чип, который точно диффундирует оптические сигналы через крошечную мозгоподобную сетку, демонстрируя новый дизайн нейронной сети.

Искусственные нейронные сети продемонстрировали исключительные способности в обучении и моделировании нелинейных сложных задач, включая обработку изображений, распознавание символов и прогнозирование данных. Теперь исследовательская команда использовала световые сигналы (вместо электрических) для реализации этих нейронных сетей.

Преимущества использования света вместо электрических сигналов

Главная причина использования света вместо электрических сигналов — свет устраняет интерференции, вызванные электрическим зарядом, и таким образом может достигать более дальней связи с более высокой скоростью и меньшим потреблением энергии.

Это может повысить производительность для научного анализа данных. Это включает исследование квантовой науки данных, поиск экзопланет и разработку систем управления автономными транспортными средствами.

Традиционный компьютер обрабатывает данные через закодированные правила или алгоритмы, в то время как нейронная сеть зависит от множественных связей между обрабатывающими единицами, называемыми нейронами. Множественные слои нейронов могут быть обучены выполнять специфические задачи. Обычно нейроморфная машина содержит большую, сложную структуру нейронных сетей.

Как они построили оптический чип?

Новый кремниевый чип использует световые сигналы путем стакивания (вертикально) 2 фотонических волноводных слоев. Это заключает свет в более узкие линии для маршрутизации световых сигналов. Более конкретно, стакивание волноводов позволяет плотную интеграцию с низким перекрестным говором и низкими потерями на перекрестках волноводов.

Ссылка: APL Photonics | doi:10.1063/1.5039641 | NIST

3D-дизайн позволяет сложные схемы маршрутизации и может быть интегрирован с дополнительными слоями для выполнения более сложных задач.

В этой работе они представили стакированные волноводы, создающие 3D-сетку с 10 входами, каждый из которых подключается к 10 выходам. По сути, это маршрутизация между 2 слоями прямой нейронной сети с общим числом 100 приемников.

Фотонический маршрутизатор | Источник: Chiles / NIST

Они использовали нитрид кремния для построения этих волноводов (каждый толщиной 400 нанометров и шириной 800 нанометров) и изготовили их на кремниевой подложке. Они также разработали выделенную программу для автоматического производства сигнальной маршрутизации с соответствующим (настраиваемым) уровнем связности между нейронами.

Затем они использовали оптоволокно для направления лазерного света в кремниевый чип. Цель была направить каждый вход ко всем выходам, следуя паттерну распределения для мощности или интенсивности света. Разные уровни мощности показывают разную степень связности и паттерн внутри схемы.

Исследователи продемонстрировали 2 схемы для контроля выходной интенсивности:

1. Равномерная: все выходы получают одинаковую мощность.
2. Распределение по колоколообразной кривой: большая часть мощности передается к средним нейронам.

Читайте также: Новая форма света, которая может сделать квантовые вычисления возможными с фотонами

Для точного анализа результатов они создали изображения сигналов, выходящих из последнего слоя. Выход имел низкие частоты ошибок и точное распределение мощности. На длине волны 1320 нанометров равномерное и колоколообразное распределения показали средние ошибки выходной мощности 0,7 и 0,9 дБ соответственно.