Processador fotônico faz inteligência artificial na velocidade da luz
 |
| Todo o processamento é feito com luz, e os dados não são perdidos quando a luz é desligada. |
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. |
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. |
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.
