Xavier Boyer À mesure que les modèles d’apprentissage automatique deviennent furthermore grands et moreover complexes. Les ordinateurs numériques conventionnels ont du mal à suivre.
Un réseau de neurones optiques analogiques pourrait effectuer les mêmes tâches qu’un réseau numérique, telles que la classification d’images ou la reconnaissance vocale, mais comme les calculs sont effectués en utilisant la lumière au lieu de signaux électriques.
Cependant. Les imperfections microscopiques des composants matériels sont l’une des triggers de ces erreurs. Dans un réseau de neurones optiques comportant de nombreux composants connectés.
en raison des propriétés fondamentales des dispositifs qui composent un réseau de neurones optiques, une certaine quantité d’erreurs est inévitable. Un réseau suffisamment grand pour être mis en œuvre dans le monde réel serait beaucoup trop imprécis pour être efficace.
Les chercheurs du MIT ont surmonté cet obstacle et trouvé un moyen de mettre à l’échelle efficacement un réseau de neurones optiques. En ajoutant un minuscule composant matériel aux commutateurs optiques qui forment l’architecture du réseau.
Avec cette procedure, à mesure qu’un circuit optique devient moreover grand, la quantité d’erreur dans ses calculs diminue en fait.
La recherche est publiée dans Character Communications.
Se multiplier avec la lumière
Un réseau de neurones optiques est composé de nombreux composants connectés qui fonctionnent comme des miroirs reprogrammables et accordables. Les données du réseau neuronal sont codées en lumière, qui est envoyée dans le réseau neuronal optique à partir d’un laser.
Un MZI typique contient deux miroirs et deux séparateurs de faisceau. La lumière pénètre par le haut d’un MZI, où elle est divisée en deux parties qui interfèrent l’une avec l’autre avant d’être recombinée par le deuxième séparateur de faisceau, puis réfléchie par le bas vers le MZI suivant dans le réseau. Les chercheurs peuvent tirer parti de l’interférence de ces signaux optiques pour effectuer des opérations d’algèbre linéaire complexes. c’est ainsi que les réseaux de neurones traitent les données.
On peut éviter certaines erreurs en les identifiant à l’avance et en réglant les MZI de sorte que les erreurs antérieures soient annulées par les périphériques ultérieurs de la matrice.
“C’est un algorithme très simple si vous savez quelles sont les erreurs. Mais ces erreurs sont notoirement difficiles à déterminer automobile vous n’avez accès qu’aux entrées et sorties de votre puce”, explique Hamerly. “Cela nous a motivés à examiner s’il était probable de créer une correction d’erreur sans étalonnage.”
Hamerly et ses collaborateurs ont précédemment démontré une system mathématique qui est allée furthermore loin. Ils ont pu déduire avec succès les erreurs et régler correctement les MZI en conséquence, mais même cela n’a pas supprimé toutes les erreurs.
En raison de la nature fondamentale d’un MZI., à la fin, il ne restera qu’un tout petit peu de puissance.
“Même avec la correction d’erreurs, il existe une limite fondamentale à la qualité d’une puce. dit-il.
Ainsi, l’équipe a développé un nouveau style de MZI. En raison de la façon dont ce séparateur de faisceau supplémentaire mélange la lumière, il devient beaucoup plus facile pour un MZI d’atteindre le réglage dont il a besoin pour envoyer toute la lumière à travers son port inférieur.
Il est essential de noter que le séparateur de faisceau supplémentaire ne mesure que quelques micromètres et est un composant passif, il ne nécessite donc aucun câblage supplémentaire. L’ajout de séparateurs de faisceau supplémentaires ne modifie pas de manière significative la taille de la puce.
Puce as well as grosse, moins d’erreurs
Lorsque les chercheurs ont effectué des simulations pour tester leur architecture, ils ont constaté qu’elle pouvait éliminer une grande partie de l’erreur non corrigible qui entrave la précision. Et à mesure que le réseau de neurones optiques s’agrandit.
En utilisant des 3-MZI. explique Hamerly.
Les chercheurs ont également développé une variante de la conception MZI spécifiquement pour les erreurs corrélées. Celles-ci se produisent en raison d’imperfections de fabrication – si l’épaisseur d’une puce est légèrement erronée, les MZI peuvent tous être décalés d’environ la même quantité, de sorte que les erreurs sont à peu près les mêmes. Ils ont trouvé un moyen de modifier la configuration d’un MZI pour le rendre robuste à ces types d’erreurs. Cette method a également augmenté la bande passante du réseau de neurones optiques afin qu’il puisse fonctionner trois fois additionally vite.
Maintenant qu’ils ont présenté ces methods à l’aide de simulations.
Cette recherche est financée, en partie, par une bourse de recherche d’études supérieures de la Countrywide Science Basis et le Bureau de la recherche scientifique de l’US Air Power.
