Нейронные сети — это распределенные вычислительные структуры, вдохновленные структурой биологического мозга и нацеленные на достижение когнитивных характеристик, сравнимых с человеческими, но за гораздо более короткое время.
Эти технологии сегодня составляют основу систем машинного обучения и искусственного интеллекта, которые могут воспринимать окружающую среду и адаптировать собственное поведение, анализируя последствия предыдущих действий и работая автономно. Они используются во многих областях, таких как распознавание и синтез речи и изображений, автономное вождение и системы дополненной реальности, биоинформатика, генетическое и молекулярное секвенирование, а также технологии высокопроизводительных вычислений.
По сравнению с традиционными вычислительными подходами, для выполнения сложных функций нейронные сети должны быть изначально «обучены» большому количеству известной информации, которую сеть затем использует для адаптации, обучаясь на собственном опыте. Обучение является чрезвычайно энергоемким процессом, и по мере увеличения вычислительной мощности потребление нейронных сетей растет очень быстро, удваиваясь каждые шесть месяцев или около того.
Фотонные схемы — очень перспективная технология для нейронных сетей, поскольку они позволяют создавать энергоэффективные вычислительные блоки. В течение многих лет в Миланском политехническом университете велись работы по созданию программируемых фотонных процессоров, интегрированных в кремниевые микросхемы размером всего несколько мм2 для использования в области передачи и обработки данных, а теперь эти устройства используются для создания фотонных нейронных сетей.
«Искусственный нейрон, как и биологический нейрон, должен выполнять очень простые математические операции, такие как сложение и умножение, но в нейронной сети, состоящей из множества плотно связанных между собой нейронов, энергетические затраты на эти операции растут экспоненциально и быстро становятся запретительными. Наш чип включает в себя фотонный ускоритель, который позволяет выполнять вычисления очень быстро и эффективно, используя программируемую сетку кремниевых интерферометров. Время вычислений равно времени прохождения света в чипе размером в несколько миллиметров, так что речь идет о менее чем миллиардной доле секунды (0,1 наносекунды)», — говорит Франческо Моричетти, руководитель лаборатории фотонных устройств Миланского политехнического университета.
«Преимущества фотонных нейронных сетей известны давно, но для полного использования их потенциала не хватало одного из недостающих элементов — сетевого обучения… Это как иметь мощный калькулятор, но не знать, как им пользоваться. В данном исследовании нам удалось реализовать стратегии обучения фотонных нейронов, аналогичные тем, которые используются для обычных нейронных сетей. Фотонный «мозг» быстро и точно обучается и может достичь точности, сравнимой с точностью обычной нейронной сети, но быстрее и со значительной экономией энергии. Все это — строительные блоки для искусственного интеллекта и квантовых приложений», — добавляет Андреа Меллони, директор Polifab, центра микро- и нанотехнологий Politecnico di Milano.