Processador fotônico faz inteligência artificial na velocidade da luz

Com informações da Universidade de Munique - 07/01/2021

Todo o processamento é feito com luz, e os dados não são perdidos quando a luz é desligada.
[Imagem: WWU/AG Pernice]

Processador de luz

Uma equipe internacional de pesquisadores construiu um novo processador fotônico - no qual os dados são processados por luz, e não por eletricidade - que realiza operações de aprendizado de máquina em paralelo e muitíssimo mais rápido do que os chips eletrônicos.

As estimativas indicam que processadores baseados em luz para acelerar tarefas no campo da inteligência artificial permitirão que tarefas matemáticas complexas sejam processadas em velocidades extremamente rápidas, entre 10¹² e 10¹⁵ operações por segundo). Chips convencionais, como placas gráficas ou hardware especializado, como o TPU (Tensor Processing Unit) do Google, são baseados na transferência eletrônica de dados, e são muito mais lentos.

O novo hardware fotônico é um acelerador para as chamadas multiplicações de matrizes, que representam a principal carga de processamento na computação das redes neurais, usadas no aprendizado de máquina.

As redes neurais são uma série de algoritmos que simulam o cérebro humano. Isso é útil, por exemplo, para classificar objetos em imagens e para reconhecimento de face e voz.

Os pesquisadores combinaram as estruturas fotônicas com materiais de mudança de fase (PCMs) como elementos de armazenamento.

Os PCMs geralmente são usados em DVDs e discos BluRay para o armazenamento óptico de dados regravável, mas têm sido também o material preferido na construção dos neuroprocessadores. No novo processador, eles permitem armazenar e preservar os elementos da matriz sem a necessidade de energia.

Detalhes dos nós de processamento do chip, que usam materiais (PCM) que não perdem dados quando o processador é desligado.
[Imagem: J. Feldmann et al. - 10.1038/s41586-020-03070-1]

Rede neural convolucional

Para fazer as multiplicações de matrizes em vários conjuntos de dados em paralelo, a equipe usou um pente de frequência baseado em chip como fonte de luz, esta uma combinação tecnológica inédita. Um pente de frequência fornece uma variedade de cores de luz muito puras, que são processadas independentemente em cada canal do chip fotônico. Isso permite o processamento paralelo de dados, calculando em todos os comprimentos de onda simultaneamente - uma técnica conhecida como multiplexação de comprimento de onda.

Em uma das demonstrações, o processador de luz rodou uma rede neural convolucional para o reconhecimento de números escritos à mão. Essas redes são um conceito na área de aprendizado de máquina inspirado em processos biológicos. Elas são usadas principalmente no processamento de dados de imagens ou áudio, atualmente oferecendo as mais altas precisões de classificação.

"A operação convolucional entre os dados de entrada e um ou mais filtros - um destacador de bordas em uma foto, por exemplo - pode ser transferida muito bem para nossa arquitetura matricial. Explorar a luz para a transferência de sinal permite que o processador execute processamento paralelo de dados por meio da multiplexação de comprimento de onda, o que leva a uma densidade de computação mais alta e muitas multiplicações de matrizes sendo realizadas em apenas um tique do relógio. Ao contrário da eletrônica tradicional, que geralmente funciona na faixa baixa de GHz, as velocidades de modulação óptica podem alcançar velocidades até na faixa de 50 a 100 GHz," contou Johannes Feldmann, da Universidade de Munique, na Alemanha.

Isso significa que o processo permite taxas de dados e densidades de computação - ou seja, operações por área do processador - nunca atingidas antes.

Cada cruzamento das linhas de luz processa dados em uma cor diferente, um processo chamado multiplexação por comprimento de onda.
[Imagem: University of Oxford]

Inteligência artificial na velocidade da luz

Os resultados têm uma ampla gama de aplicações.

No campo da inteligência artificial, mais dados podem ser processados simultaneamente, economizando energia e obtendo resultados mais rapidamente. O uso de redes neurais maiores permite previsões mais precisas e até agora inatingíveis, além de análises de dados mais precisas.

Por exemplo, os processadores fotônicos viabilizam a avaliação de grandes quantidades de dados em diagnósticos médicos, incluindo dados 3D de alta resolução produzidos em métodos de imagem especiais.

Outras aplicações incluem a área de veículos autônomos, que dependem de uma avaliação rápida e precisa dos dados dos sensores, e de infraestruturas de TI, como computação em nuvem, que devem gerenciar espaço de armazenamento, poder de computação e aplicativos.

Além de pesquisadores da Universidade de Munique, estiveram envolvidas neste trabalho equipes das universidades de Oxford e Exeter, na Inglaterra, Pittsburgh, nos EUA, da Escola Politécnica Federal de Lausanne e do laboratório de pesquisa da IBM em Zurique, na Suíça.

Mais tópicos