Een door Politecnico di Milano ontworpen chip bevat een fotonische ‘versneller’ waarmee berekeningen kunnen worden uitgevoerd in een miljardste van een seconde (0,1 nanoseconde). Deze fotonische processoren, geïntegreerd op silicium microchips van slechts enkele mm2 groot, kunnen nu worden gebruikt om fotonische neurale netwerken te bouwen.
Neurale netwerken zijn gedistribueerde computerstructuren die geïnspireerd zijn op de structuur van een biologisch brein en die tot doel hebben cognitieve prestaties te leveren die vergelijkbaar zijn met die van de mens, maar in een veel kortere tijd. Deze technologieën vormen nu de basis van systemen voor machinaal leren en kunstmatige intelligentie die de omgeving kunnen waarnemen en hun eigen gedrag kunnen aanpassen door de effecten van eerdere acties te analyseren en autonoom te werken. Zij worden gebruikt in tal van toepassingsgebieden, zoals spraak- en beeldherkenning en -synthese, autonoom rijden en augmented reality-systemen, bio-informatica, genetische en moleculaire sequencing, en krachtige computertechnologieën.
Energie-intensief proces
In tegenstelling tot conventionele computerbenaderingen moeten neurale netwerken, om complexe functies te kunnen uitvoeren, eerst worden “getraind” met een grote hoeveelheid bekende informatie die het netwerk vervolgens gebruikt om zich aan te passen door te leren uit ervaring. Training is een uiterst energie-intensief proces, en naarmate de rekenkracht toeneemt, groeit het verbruik van neurale netwerken zeer snel, en verdubbelt het ongeveer elke zes maanden.
Fotonische schakelingen zijn een opkomende technologie voor neurale netwerken omdat ze het mogelijk maken energie-efficiënte rekeneenheden te bouwen. De Politecnico di Milano werkt al jaren aan de ontwikkeling van programmeerbare fotonische processoren geïntegreerd op silicium microchips van slechts enkele mm2 groot voor gebruik op het gebied van datatransmissie en -verwerking, en nu worden deze apparaten gebruikt om fotonische neurale netwerken te bouwen.
“Een kunstmatig neuron moet, net als een biologisch neuron, elementaire wiskundige bewerkingen uitvoeren, zoals optellen en vermenigvuldigen”, zegt Francesco Morichetti, hoofd van het Photonic Devices Lab van de Politecnico di Milano. “Maar in een neuraal netwerk dat bestaat uit vele dicht op elkaar aangesloten neuronen, groeien de energiekosten van deze bewerkingen exponentieel en worden ze snel onbetaalbaar. Onze chip bevat een fotonische versneller waarmee berekeningen zeer snel en efficiënt kunnen worden uitgevoerd met behulp van een programmeerbaar raster van silicium interferometers. De rekentijd is gelijk aan de transittijd van licht in een chip van enkele millimeters groot, dus we hebben het over minder dan een miljardste van een seconde.”
Krachtige rekenmachine
“De voordelen van fotonische neurale netwerken zijn al lang bekend, maar een van de ontbrekende stukken om hun potentieel volledig te benutten was de training van het netwerk”, voegt Andrea Melloni toe, directeur van Polifab, het centrum voor micro- en nanotechnologie van Politecnico di Milano. “Het is alsof je een krachtige rekenmachine hebt, maar niet weet hoe je hem moet gebruiken. In deze studie hebben we voor fotonische neuronen trainingsstrategieën toegepast die vergelijkbaar zijn met die voor conventionele neurale netwerken. Het fotonische ‘brein’ leert snel en nauwkeurig en kan een precisie bereiken die vergelijkbaar is met die van een conventioneel neuraal netwerk, maar dan sneller en met aanzienlijke energiebesparingen. Dit zijn allemaal bouwstenen voor kunstmatige intelligentie en kwantumtoepassingen.”
Naast toepassingen op het gebied van neurale netwerken kan dit apparaat worden gebruikt als rekeneenheid voor meerdere toepassingen waarbij een hoge rekenefficiëntie vereist is, bijvoorbeeld voor grafische versnellers, wiskundige coprocessoren, datamining, cryptografie en kwantumcomputers.
De Politecnico di Milano werkt aan dit onderzoek samen met het Photonic Devices Lab en met Polifab, het centrum voor micro- en nanotechnologie van de universiteit.
