您的當前位置: 中國鍛壓網 > 資訊中心 > 正文|
據外媒報道，美國喬治華盛頓大學（George Washington University）、加州大學洛杉磯分校（the University of California, Los Angeles）與高科技初創公司Optelligence LLC的研究人員合作，研發了一種光學卷積神經網絡加速器，能夠以每秒千萬億次字節的速度處理大量的信息。該技術采用光的并行性，開啟能夠處理光學信號機器學習的新時代，應用包括自動駕駛汽車、5G網絡、數據中心、生物醫學診斷、數據安全等。
現在，全球對機器學習硬件的需求大大超出了當前計算能力所能提供的。圖形處理單元和張量處理單元加速器等最新電子硬件雖然有助于緩解該問題，但是此類硬件也受到串行數據處理的挑戰。因為串行處理需要迭代數據處理，并會因布線和電路限制導致延遲。利用光學部件取代電子硬件可以通過利用非迭代方式簡化信息處理的方式，從而加速機器學習處理過程。不過，基于光學的機器學習通常受限于光學集成電路上的組件數量，限制了組件之間的連接，而不受空間限制的空間光調制器則受限于緩慢的編程速度。
為了在此種光學機器學習系統上實現突破，研究人員利用數字鏡技術取代了空間光調制器，從而研發了一個速度提升100倍的系統。該處理器采用非迭代計時，結合快速編程能力以及大規模并行性，讓光學機器學習系統的性能甚至超出最頂級的圖形處理單元一個數量級，而且這只是最初的原型，仍有優化空間。
與當前電子機器學習硬件按照順序處理信息的方式不同，該處理器采用傅里葉光學概念處理信息。此種頻率濾波概念可利用數字鏡技術執行神經網絡所需的卷積，就像執行更簡單的元素乘法運算一樣。
Optelligence LLC公司聯合創始人Hamed Dalir表示：“該原型展示了光學加速器的商業化發展道路，該加速器已經準備好，可用于網絡邊緣處理、數據中心和高性能計算系統等各種應用。”
來源：蓋世汽車
|
 |
中國鍛壓網官方微信：掃一掃，立即關注！
關注"中國鍛壓網"，獲取獨家行業新聞資訊。 添加方法1： 在“添加好友”中直接添加微信賬號：chinaforge 添加方法2： 微信中掃描左側的二維碼 |
站內資訊搜索
