Bài báo của Mario Miscuglio và Volker J. Sorger đăng trên tạp chí Applied Physics Reviews đã giới thiệu phương pháp mới, giúp máy học thực hiện các thuật toán phức tạp với tốc độ xử lý nhanh hơn và sử dụng ít năng lượng hơn so với các phương pháp hiện tại.
Ngày nay, công nghệ máy học đã có nhiều phát triển nhằm bắt chước các chức năng của bộ não con người. Tuy nhiên các bộ xử lý kỹ thuật số thích hợp với công nghệ deep learning (như bộ xử lý đồ họa, bộ xử lý tenor…) còn hạn chế trong việc thực hiện các phép toán phức tạp, đòi hỏi độ chính xác cao. Những phép toán này làm cho việc truyền dữ liệu giữa bộ xử lý và bộ nhớ chậm và cần nguồn năng lượng lớn.
Nhóm nghiên cứu đã đề xuất phương pháp thực hiện các tính toán theo yêu cầu của mạng lưới thần kinh, sử dụng ánh sáng thay vì điện. Phương pháp này, sử dụng một lõi tenor photonic để thực hiện các phép nhân song song, do đó cải thiện được tốc độ và hiệu quả của các mô hình học sâu hiện tại.
Bắt chước bộ não của con người, hầu hết các mạng lưới thần kinh được tách ra thành nhiều lớp tế bào thần kinh liên kết với nhau. Các mạng này được biểu diễn bởi một hàm tổng hợp là phép nhân giữa các ma trận và vectơ. Do đó chúng thực hiện các phép toán song song thông qua các mô hình chuyên về vector hóa như nhân ma trận.
Trong học máy, các mạng thần kinh được đào tạo để học cách thực hiện các quyết định và phân loại các dữ liệu không được chuẩn bị trước. Khi một mạng thần kinh được đào tạo về dữ liệu, nó có thể tạo ra một suy luận để nhận diện, phân loại các đối tượng, các mẫu, và tìm một dấu hiệu trong dữ liệu. Khi nhiệm vụ càng thông minh và độ chính xác của dự đoán mong muốn càng cao thì mạng càng trở nên phức tạp. Các mạng như vậy đòi hỏi lượng dữ liệu lớn để tính toán và nguồn năng lượng lớn để xử lý dữ liệu.
“Các nền tảng quang tử (tích hợp hiệu quả bộ nhớ quang) có thể hoạt động tương tự như một bộ xử lý tenor, nhưng chúng tiêu thụ ít năng lượng hơn và có thông lượng cao hơn. Khi được đào tạo thích hợp lý, chúng có thể vận hành với tốc độ cực cao“, Mario Miscuglio cho biết. Đối với người dùng cuối, dữ liệu được xử lý nhanh hơn nhiều, vì phần lớn dữ liệu sẽ được xử lý trước, nghĩa là chỉ một phần dữ liệu cần được gửi đến trung tâm xử lý.
Chip TPU quang lưu trữ và xử lý dữ liệu song song. Nó cho phép đọc, ghi hiệu quả và có thể giao tiếp với các mô hình khác. Theo các nhà nghiên cứu, hiệu suất của chip TPU quang có thể cao hơn 2-3 lần so với chip TPU dùng điện.
Photon cũng có thể là một kết hợp lý tưởng để tính toán các mạng phân tán và thực hiện các tác vụ thông minh với thông lượng cao, chẳng hạn như 5G. Với dạng, các dữ liệu tín hiệu từ camera giám sát, cảm biến quang,…có thể tồn tại ở dạng photon.
Chip TPU quang giảm thiểu thời gian xử lý, giúp tiết kiệm năng lượng cực lớn.
Diệu Huyền (CESTI) – Theo Techxplore.com