Китайците научиха роботите да „мислят“ със скоростта на светлината – силициевата фотоника набира скорост

Учените от университета Сидян разработиха фотонна невроморфна изчислителна система, която за първи път позволява обучение с подсилване, изцяло базирано на светлина (фотони), без преобразуване на сигналите в импулси на ток за изпълнение на ключови операции. Досега фотонните спайкови невронни мрежи можеха да извършват само линейни изчисления, но новото разработка нахлува в сферата на нелинейните преобразувания и това ще промени много неща.

Преобразуването на сигнали от състояние на фотони в поток от електрони и обратно е свързано с допълнителни загуби както на енергия, така и на време (забавяния). За функционирането на роботиката в режим на реално време такива загуби могат да доведат до бързо излизане от строя и дори до аварии. Ето защо стремежът на разработчиците да създадат универсални фотонни чипове за сложни изчисления и обучение на роботи и автопилоти е един от ключовите пътища за безопасно съжителство на роботиката с хората и сред хората.

Създаденият от учени двучипов оптичен прототип решава три основни проблема: първо – липсата на мащабни масиви от нелинейни фотонни спайкови неврони с нисък праг на задействане (сега такива масиви съществуват и прагът на задействане е много нисък, което позволява създаването на много по-гъсти масиви от неврони, отколкото преди), второ – невъзможността да се създадат напълно програмируеми чипове, базирани на спайкови мрежи и трето – в резултат на това, липсата на възможност за хардуерна реализация на фотонно обучение с подкрепление, което успешно е преодоляно от групата учени.

Първата система, предложена от изследователите, за която те разказват в най-новото издание на списание Optica се състои от 16-канален фотонен невроморфен чип с 272 параметри с възможност за обучение и чип с масив от лазери с обратна връзка и приемник на нелинейна активация на импулсите. Също така е разработен хардуерен и софтуерен фреймуърк: моделът първо се обучава в софтуерен пакет, след това на чипове, а след това се дообучава, като се отчитат особеностите на хардуерната реализация.

Тестването беше проведено върху класически задачи: CartPole (балансиране на прът върху количка) и Pendulum (разклащане на махало от висящо положение до вертикално с последваща стабилизация в такова положение). Резултатите от хардуера показаха минимален спад в точността – само 1,5% за CartPole и 2% за Pendulum в сравнение с чисто софтуерния модел. При CartPole е постигната идеална производителност, а при по-сложната задача Pendulum – добра.

Производителността е впечатляваща: енергийната ефективност на линейните изчисления достигна 1,39 TOPS/W при плътност 0,13 TOPS/mm², а на нелинейните — 987,65 GOPS/W и 533,33 GOPS/mm²; забавянето на изчисленията на чипа е само 320 пикосекунди. Тези показатели поставят оптичната система в класа на GPU по енергийна ефективност (1 TOPS/W) и плътност на изчисленията (0,1–0,5 TOPS/mm²), но с предимството на пълна оптична обработка, която изключва загуби при преобразуването на сигнали. Системата демонстрира бързо обучение чрез серия от опити и грешки в реално време.

Разработката отваря перспективи за автономно управление, вграден в роботи интелект и периферни изчисления, където се изисква свръхнискo забавяне и минимална консумация на енергия. В бъдеще авторите планират да мащабират системата до 128-канален чип за по-сложни задачи, като невроморфна автономна навигация, и да създадат компактни хибридно-интегрирани фотонни невроморфни чипове. Това е една от важните стъпки към енергийно ефективен AI, работещ на импулси от светлина.