電子ハードウェアをデジタルミラーベースの技術に置き換え、100倍以上高速なシステムを開発

URLをコピーする

URLをコピーしました！

Pocket

PB/s(ペタバイト秒)で演算処理できるネットワークアクセラレータ

ジョージワシントン大学、カリフォルニア大学の研究者らは、PB/s(ペタバイト秒)単位の大量の情報を処理できるネットワークアクセラレータを開発しました。

次世代技術の対等である量子コンピュータなどでは、大量のデータを処理のために超高速のチップが求められます。

Researchers at the George Washington University, together with researchers at the University of California, Los Angeles, and the deep-tech venture startup Optelligence LLC, have developed an optical convolutional neural network accelerator capable of processing large amounts of information, on the order of petabytes, per second. This innovation, which harnesses the massive parallelism of light, heralds a new era of optical signal processing for machine learning with numerous applications, including in self-driving cars, 5G networks, data-centers, biomedical diagnostics, data-security and more.
参照元：https://mediarelations.gwu.edu/developing-smarter-faster-machine-intelligence-light
– ジョージワシントン大学 George Washington University. December 17, 2020 –

ジョージワシントン大学の研究者は、カリフォルニア大学ロサンゼルス校の研究者、およびディープテックベンチャーのスタートアップであるOptelligence LLCと共同で、ペタバイト単位の大量の情報を処理できる光学畳み込みニューラルネットワークアクセラレータを開発しました。

光の超並列処理を利用するこのイノベーションは、自動運転車、5Gネットワーク、データセンター、生物医学診断、データセキュリティなど、さまざまなアプリケーションで機械学習のための光信号処理の新時代を告げるものです。

機械学習ハードウェアに対する世界的な需要は、現在のコンピューティング電源を劇的に上回っています。

グラフィックスプロセッシングユニットやテンソルプロセッシングユニットアクセラレータなどの最先端の電子ハードウェアは、これを軽減するのに役立ちますが、反復データ処理を必要とし、配線や回路の制約による遅延が発生するシリアルデータ処理によって本質的に課題があります。

電子ハードウェアの光学的代替手段は、情報が非反復的な方法で処理される方法を簡素化することにより、機械学習プロセスをスピードアップするのに役立つ可能性があります。

ただし、フォトニックベースの機械学習は通常、フォトニック集積回路に配置できるコンポーネントの数によって制限され、相互接続性が制限されます。

一方、自由空間空間光変調器は、遅いプログラミング速度に制限されます。

この光学機械学習システムのブレークスルーを達成するために、研究者たちは空間光変調器をデジタルミラーベースの技術に置き換え、100倍以上高速なシステムを開発しました。

このプロセッサの非反復的なタイミングと、迅速なプログラム可能性および大規模な並列化により、この光学機械学習システムは、最高級のグラフィックス処理ユニットでさえ1桁以上優れており、さらに最適化する余地があります。

情報を順次処理する電子機械学習ハードウェアの現在のパラダイムとは異なり、このプロセッサはフーリエ光学を使用します。

これは、デジタルミラー技術を使用して、ニューラルネットワークの必要な畳み込みをはるかに単純な要素ごとの乗算として実行できる周波数フィルタリングの概念です。

UCLAのコンピューター工学の教授兼副議長であるPuneetGuptaは話します。