Optalysys представляет первую в мире оптическую нейронную сеть с лазерным питанием

• Optalysys демонстрирует свою технологию оптической обработки, реализующую искусственный интеллект со скоростью света.
• В нем используется энергоэффективный лазерный свет вместо технологии обработки кремния.

Британская технологическая компания Optalysys разработала первую сверточную нейронную сеть (CNN), используя свою технологию оптической обработки. Оптическое вычислительное устройство использует пространственные модуляторы света и лазеры для выполнения сложных числовых операций с очень высокой скоростью и с меньшим энергопотреблением.

Использование CNN быстро растет, особенно в области распознавания и анализа изображений на основе методов машинного обучения. Он также используется в таких ключевых приложениях, как анализ медицинских изображений, прогнозирование погоды и автономные транспортные средства. Все эти модели требуют огромных вычислений и включают в себя обработку нескольких сверточных слоев.

За последние несколько лет, благодаря развитию графических процессоров, CNN также добилась впечатляющих успехов. Однако они по-прежнему ограничены высокими затратами энергии и нарушением закона Мура.

Технология оптической обработки, разработанная Optalysys, использует энергоэффективный лазерный свет вместо технологии обработки кремния. Это обеспечивает увеличение скорости на несколько порядков по сравнению с традиционным компьютером и потребляет гораздо меньше энергии.

По словам генерального директора и основателя компании доктора Ника Нью, они применили оптическую обработку к чрезвычайно сложной и ресурсоемкой области сверточной нейронной сети с 70 процентами начальной точности.

Они продемонстрировали эту технологию обработки сверточной нейронной сети, используя известные данные MNIST, которые содержат 10 000 тестовых символов и 60 000 обучающих символов.

Крупные проекты на основе этой технологии

Этот высокоэффективный и масштабируемый подход (который все еще находится на стадии разработки) не только обеспечит новый уровень облачных возможностей, но и расширит потенциал сверточных нейронных сетей для мобильных систем. Эта работа привела к созданию нескольких экспериментальных проектов.

Проект Генезис: Прототип системы генетического поиска для поиска последовательностей метагеномных чтений в большой базе данных, содержащей более 64 миллионов пар оснований 20 бактериальных геномов.

Проект «Побег»:  Часть большого проекта сотрудничества по созданию крупномасштабных вычислительных возможностей и алгоритмов нового поколения для Европейского центра среднесрочных прогнозов погоды.

Проект Equate:  Начальный проект совместно с DARPA по изучению математической обработки со скоростью света, которая формирует основу для моделирования экстремальных масштабов, подобных тем, которые используются в гидродинамике и моделировании плазмы.

Об Optalysys

Optalysys — один из быстрорастущих стартапов, который работает над внедрением оптических вычислений в искусственный интеллект. Они построили свой первый сопроцессор, используя хорошо зарекомендовавшую себя дифракционную оптическую технику, основанную на использовании маломощного лазера вместо электрического тока.

По словам компании, их технология в значительной степени масштабируема. В будущем эти системы смогут достичь возможностей, выходящих за пределы того, что можно реализовать с помощью традиционных вычислительных машин, за счет использования наиболее естественной формы параллельной обработки — света.

Эти системы будут доступны на высокопроизводительных вычислительных машинах, настольных компьютерах и в облаке. Более того, миниатюрные системы будут интегрированы в портативные устройства с помощью современной технологии компонентов.

Читайте:Новая форма света, которая сделает возможными квантовые вычисления с помощью фотонов

Другие компании, такие как Lightmatter, Light Intelligence, Lighton и Fathom Computing, работают в той же области. Все они используют различные типы оптических методов для кодирования нейронных сетей, чтобы обеспечить более энергоэффективную систему, чем обычное обучение на основе графического процессора.