科學家開發了一種新的體系結構和方法，該方法將數據存儲和處理結合到單個芯片上，使用“光子”或基於光處理器，該處理器比傳統的電子芯片更快地收集信息。這將解決帶來一些處理挑戰的數據流量的指數增加。
根據SCI Tech每日，來自德國，瑞士和英國的國際研究人員團隊由穆斯特大學的Jochen Feldmann博士，牛津大學的Nathanyoungblood和瑞士聯邦技術學院Lausanne的Maxim Karpov領導。
儘管團隊專注於卷積處理，但研究表明，在各種人工智能應用中使用集成光子學的潛力，例如實時視頻處理，下一代云計算和自動駕駛。
平行卷積基的處理器加快了AI計算
語音識別，自動駕駛汽車以及其他數據繁重的AI或機器學習應用程序的出現進一步損害了計算機處理器。這些應用程序增加了正在處理的數據，因此當前的處理器通常無法跟上需求不斷上升的能力。
1月6日，研究小組在期刊上發表了他們的研究自然1月6日，該研究展示了歐洲合作研究。它由歐盟的項目Funcomp資助。
埃克塞特大學的戴維·賴特（David Wright）說：“儘管參與的每個研究小組都以自己的方式領先，但它正在將所有這些部分融合在一起，使這項工作真正成為可能。”
科學家用光來解決不斷上升的數據處理需求。他們開發了一種新方法，該方法僅使用基於光處理器將數據處理和存儲僅在一個芯片中，與傳統電子芯片相比，該方法並行和更快地處理信息。
研究團隊開發了用於矩陣矢量乘法的硬件加速器。這些是用於模擬人腦和機器學習的神經網絡的基礎。由於光波長不會彼此影響，因此研究人員使用多個光波長來創建平行計算。他們使用了基於芯片的“頻率梳子”，該“頻率梳子”是在EPFL開發的，作為光源。
EPFL的一位主要研究人員Tobias Kippenberg教授率先開發了頻率梳的發展，該頻率梳子提供了各種光波長，這些光波長是在同一光子芯片中獨立處理的。 Kippenberg教授說：“我們的研究是第一個在人工神經網絡領域應用頻率梳子的研究。”
在人工智能數據處理中使用光子芯片
同時，穆斯特大學的Wolfram Pernice也是該研究的首席研究員說，基於光的處理器加快了機器學習中的任務，並能夠在吞吐量和高速上處理複雜的數學任務。 Pernice指出，基於光的處理器比傳統數據處理速度快得多，這些數據處理依賴於圖形卡或專業硬件這樣的張量處理單元等電子數據傳輸。
新方法可以在具有較大神經網絡的廣泛應用中使用，以更精確地進行準確的預測和數據分析，大量的臨床數據以及節能和較高的人工智能數據處理。
它還可以在自動駕駛車輛中提供更好的傳感器數據快速評估，並通過更多的計算能力，應用程序軟件和存儲空間擴展雲計算基礎架構。
這歸技術時代擁有
由CJ Robles撰寫
