全光学式 AI で非線形数学を処理できるようにする

問題は、このカスケードには大規模な並列計算が必要であり、標準的なコンピューターで実行すると、膨大なエネルギーと時間がかかることです。 Bandyopadhyay 氏のチームは、電子ではなく光子を使用して同等の操作を実行することで、この問題を解決できると考えています。フォトニックチップでは、偏光、位相、大きさ、周波数、波数ベクトルなどの光学特性に情報をエンコードできます。これは非常に高速でエネルギー効率が高いですが、そのようなチップを構築するのは簡単ではありません。

光を吸い上げる

「都合の良いことに、フォトニクスは線形行列演算に特に優れていることが判明しました」と Bandyopadhyay 氏は主張します。 Bandyopadhyay 氏の研究の共著者である Dirk Englund 教授が率いる MIT のグループは、2017 年に光だけで行列乗算を行うフォトニック チップを実証しました。しかし、この分野が苦労していたのは、フォトニクスにおける非線形関数の実装でした。 。

これまでの通常の解決策は、フォトニック チップ上で線形代数を実行し、非線形演算を外部電子機器にオフロードすることで問題を回避することに依存していました。ただし、情報を光から電気信号に変換し、外部プロセッサで処理してから光に戻す必要があるため、待ち時間が増加しました。 「レイテンシを短縮することが、フォトニクスでニューラル ネットワークを構築したい主な理由です」と Bandyopadhyay 氏は言います。

この問題を解決するために、Bandyopadhyay 氏と彼の同僚は、光子を使用して線形演算と非線形演算の両方を含むディープ ニューラル ネットワーク全体を計算できる世界初と思われるチップを設計、構築しました。 「このプロセスは、光ファイバーを介してチップに光を供給する変調器を備えた外部レーザーから始まります。このようにして、電気入力を光に変換します」と Bandyopadhyay 氏は説明します。

次に、光は 6 つのチャネルに展開され、マッハツェンダー干渉計と呼ばれるデバイスのアレイを使用して線形行列乗算を実行する 6 つのニューロンの層に供給されます。 「これらは本質的にプログラム可能なビームスプリッターであり、2 つの光フィールドを取得し、それらをコヒーレントに混合して 2 つの出力光フィールドを生成します。電圧を印加することで、2 つの入力がどの程度混合されるかを制御できます」と Bandyopadhyay 氏は言います。