Mit Chips, die mit Licht betrieben werden, werden KI-Algorithmen wahnsinnig schnell

MS. Technik; Chip von Ben Davis, RO

In einem kleinen Labor im Hafenviertel von Boston, vergraben in einem Durcheinander aus Lasern, Linsen, Spiegeln und einem Wirrwarr von Kabeln, befindet sich ein winziger Chip, der einen großen Einfluss auf die Welt der künstlichen Intelligenz haben könnte.

Das Labor gehört Lichteigenschaft , ein Startup, das einen radikal neuen KI-Beschleunigerchip entwickelt. Anstatt Elektronen zu verwenden, um die wichtigsten mathematischen Berechnungen durchzuführen, die für maschinelles Lernen erforderlich sind, verwendet der Prototyp des Unternehmens Licht.

Theoretisch bedeutet die Übertragung von Informationen mit Lichtgeschwindigkeit, dass ein solches Gerät KI-Algorithmen Hunderte Male schneller laufen lassen könnte als die besten KI-Chips von heute. Da reine Computerleistung beim maschinellen Lernen einen so großen Unterschied macht, könnte dies wesentlich leistungsfähigere und leistungsfähigere Algorithmen bedeuten. In der Praxis hängt die Geschwindigkeit des optischen Chips jedoch davon ab, wie schnell er mit herkömmlichen Komponenten wie dem Speicher eines Computers interagieren kann. Und Lightelligence muss Algorithmen schreiben, die so viel Geschwindigkeit wie möglich aus dem Setup herausholen können.

Deep Learning, ein maschineller Lernansatz, der lose von der Art und Weise inspiriert ist, wie Gehirne verdrahtet sind, hat die Technologiebranche in den letzten Jahren im Sturm erobert. Es hat sich als unglaublich leistungsfähig für Trainingsmaschinen erwiesen, um wertvolle Aufgaben wie das Beschriften von Bildern und das Übersetzen von Text zu erledigen. Unterdessen bemühen sich Unternehmen darum, die Methode auf immer nützlichere Weise einzusetzen.

Der Aufstieg von Deep Learning hat bereits einen Boom bei kommerziellen Aktivitäten rund um neue Chipdesigns ausgelöst, die für die wichtigsten mathematischen Berechnungen optimiert sind. Jetzt scheint es auch grundlegend andere Herangehensweisen an die Datenverarbeitung zu inspirieren.

Ich habe kürzlich Lightelligence besucht, um mich mit seinem CEO, Yichen Shen, einem selbstbewussten Mann in den Zwanzigern, zu treffen. Mit einem Fleecepullover und einem breiten Grinsen stellte er jeden der rund ein Dutzend Mitarbeiter des Unternehmens vor und führte mich dann durch das Labor.

Arash Hosseinzadeh von Lightelligence arbeitet an einer optischen Bank im Labor des Unternehmens.

Licht bietet entscheidende Vorteile für die KI, erklärte Shen. Photonen sind schneller als Elektronen, und ihre Bewegung durch die Schaltkreise eines Chips wird diesen nicht überhitzen. Aber das Rechnen mit Licht ist auch sehr herausfordernd. Bisherige Versuche, optische Computerchips zu bauen, sind gescheitert, weil es schwierig ist, einen Transistor optisch zu emulieren, und weil sich Licht weniger vorhersehbar verhält.

Aber die Gleichung ändert sich im Zeitalter des Deep Learning, sagt Shen. Optische Chips eignen sich gut zur Durchführung von Matrixmultiplikationen, Berechnungen, die für Deep Learning von zentraler Bedeutung sind. Neuronale Netze sind auch von Natur aus linear, und es sind lineare Berechnungen, bei denen sich optische Geräte auszeichnen.

Shen sagt, dass er und seine Kollegen bei Lightelligence kürzlich ihr erstes fertiges Chipdesign an einen Hersteller geschickt haben und die ersten Chips in ein paar Wochen zurückerwartet werden. Wir denken, dass es eine sehr einzigartige und interessante Gelegenheit ist, diese Idee zu testen, sagt er.

Forscher erforschen alle möglichen neuen Möglichkeiten in Materialien und Optik. Anfang dieses Jahres entwickelte ein Forscherteam der UCLA ein neuartiges Deep-Learning-Gerät, das durch 3-D-Druck verschiedener lichtbrechender Polymere erstellt wurde. Details des Geräts des Teams, das als diffraktives tiefes neurales Netzwerk (D2NN) bezeichnet wird, waren veröffentlicht in der Zeitschrift Science .

Es ist der nicht intuitive Aspekt des Deep Learning, der unsere Sichtweise auf physisches und optoelektronisches Design verändert hat. Einiges davon führt zu neuen Wegen der Berechnung, sagt er Aydogan Özcan , ein Professor an der UCLA, der die Arbeit leitete. Einiges davon führt zur Entwicklung von Komponenten und Systemen, die anders funktionieren als herkömmliche Systeme.

Die Kommerzialisierung der Technologie könnte jetzt auch praktischer sein als zuvor.

Laut Dan Hutchinson, Analyst bei VLSI Research, der innovative Chipdesigns verfolgt, wächst das Interesse an neuartigen optischen Chips dank Fortschritten bei Design und Herstellung von Netzwerkgeräten. Optische Chips seien auch relativ einfach und billig herzustellen, was die Eintrittsbarriere für Start-ups senkt, sagt er.

Lightelligence wird jedoch noch vor großen Herausforderungen stehen. Zhangxi Tan, ein Veteran der Chipindustrie und CEO eines anderen Chip-Startups, UNSERE Technologie , sagt, selbst wenn der Chip wie versprochen funktioniert, könnte es sich als schwierig erweisen, ihn in großem Maßstab herzustellen. Es wird eine Herausforderung sein, ein völlig neues Chipdesign zu verpacken und zu testen, insbesondere wenn es keine guten Software-Designtools für ein solches optisches Gerät gibt. Licht ist auf dem Papier sehr elegant, aber die umgebenden elektronischen Schaltkreise – Ihre Lasertreiber, Photonenempfängerschaltkreise, elektronischen Modulatoren – sind sehr hässlich, sagt Tan

Trotzdem schreiten die Bemühungen schnell voran.

Erst letztes Jahr war Shen ein Doktorand, der photonische Materialien im Labor von untersuchte Marin Soljacic am MIT. Zusammen mit Soljacic und mehreren anderen Studenten hat er eine Abhandlung veröffentlicht in der Zeitschrift Nature Photonics einen neuen Weg zur Durchführung von Berechnungen in neuronalen Netzwerken unter Verwendung optischer Interferenz. Dank eines Anrufs eines Risikokapitalgebers von der Westküste entstand die Idee für ein Unternehmen, bevor die Zeitung überhaupt veröffentlicht wurde.

Das Unternehmen hat auch einen Geschwisterkonkurrenten. Lightelligence wurde gegründet, als Shen und andere eine Firma namens Lightmatter verließen. Der CEO von Lightmatter ist einer von Shens Co-Autoren des Originalpapiers, und dieses Unternehmen hat ähnliche Beträge für seinen eigenen optischen Deep-Learning-Chip aufgebracht. Vielleicht könnte eine gesunde Rivalität dazu beitragen, die Entwicklung der Technologie zu beschleunigen.

Es stehen erhebliche Hürden bevor, aber wenn eines dieser Unternehmen sie überwinden kann, könnte es die Welt der KI erhellen.

verbergen