پنجشنبه ۱۳ دی ۱۴۰۳ - ساعت :
۱۰ دی ۱۴۰۳ - ۱۷:۰۶

ساخت سامانه محاسباتی با توان آنالیز ۳۴ میلیون تصویر در ثانیه

ساخت سامانه محاسباتی با توان آنالیز ۳۴ میلیون تصویر در ثانیه
محققان نشان دادند که نورون درجه‌بندی شده لیزری نقطه کوانتومی مبتنی بر تراشه آنها می‌تواند به سرعت پردازش سیگنال ۱۰ گیگاباود دست یابد. آن‌ها از این سرعت برای پردازش داده‌های ۱۰۰ میلیون ضربان قلب یا ۳۴٫۷ میلیون تصویر دیجیتالی در یک ثانیه استفاده کردند.
کد خبر : ۶۸۴۶۴۳

به گزارش صراط به نقل از تسنیم، محققان یک نورون مصنوعی مبتنی بر لیزر ساخته‌اند که به طور کامل عملکرد، دینامیک و پردازش اطلاعات یک نورون زیستی واقعی را شبیه‌سازی می‌کند. این نورون‌های مصنوعی با سرعت پردازش سیگنال 10 گیگاباود (GBaud)، یک میلیارد برابر سریع‌تر از همتایان بیولوژیکی خود، می‌تواند به پیشرفت‌هایی در زمینه‌هایی مانند هوش مصنوعی و سایر انواع محاسبات پیشرفته منجر شود.

بدن شامل انواع مختلفی از سلول‌های عصبی، از جمله نورون‌های درجه‌بندی‌شده است که اطلاعات را از طریق تغییرات مداوم در پتانسیل غشایی رمزگذاری می‌کنند و امکان پردازش دقیق و ظریف سیگنال را فراهم می‌کنند. در مقابل، نورون‌های بیولوژیکی اسپایکینگ اطلاعات را با استفاده از پتانسیل‌های عمل همه یا هیچ منتقل می‌کنند و شکل دودویی (باینری) از ارتباط را ایجاد می‌نمایند.

چائوران هانگ، رهبر این تیم تحقیقاتی از دانشگاه چینی هنگ کنگ گفت: نورون درجه‌بندی شده لیزری ما بر محدودیت‌های سرعت نسخه‌های فوتونیک فعلی نورون‌های اسپایک غلبه می‌کند و پتانسیل عملکرد سریع‌تری را دارد. ما با استفاده از دینامیک غیرخطی نورون مانند و پردازش سریع آن، یک سیستم محاسباتی ساختیم که عملکرد استثنایی را در هوش مصنوعی مانند تشخیص الگو و پیش‌بینی توالی نشان می‌دهد.

محققان نشان دادند که نورون درجه‌بندی شده لیزری نقطه کوانتومی مبتنی بر تراشه آنها می‌تواند به سرعت پردازش سیگنال 10 گیگاباود دست یابد. آنها از این سرعت برای پردازش داده‌های 100 میلیون ضربان قلب یا 34 ٫ 7 میلیون تصویر دیجیتالی در تنها یک ثانیه استفاده کردند.

هوانگ گفت: فناوری ما می‌تواند تصمیم‌گیری هوش مصنوعی را در برنامه‌هایی که از نظر زمانی حساس است تسریع کند و در عین حال دقت بالایی داشته باشد. ما امیدواریم که ادغام این فناوری در دستگاه‌های محاسباتی لبه، که داده‌ها را در نزدیکی منبع خود پردازش می‌کنند، سیستم‌های هوش مصنوعی سریع‌تر و هوشمندتر را تسهیل کند.

نورون‌های مصنوعی مبتنی بر لیزر، که می‌توانند به سیگنال‌های ورودی به گونه‌ای پاسخ دهند که رفتار نورون‌های بیولوژیکی را تقلید کند، به دلیل سرعت پردازش فوق سریع داده‌ها و مصرف کم انرژی، به عنوان راهی برای افزایش قابل توجه محاسبات مورد بررسی قرار می‌گیرند. با این حال، بسیاری از آنهایی که تاکنون توسعه یافته‌اند، نورون‌های فوتونیک اسپاکینگ بوده‌اند. این نورون‌های مصنوعی سرعت پاسخگویی محدودی دارند، ممکن است اطلاعات را از دست دهند و به منابع لیزری و تعدیل‌کننده‌های اضافی نیاز دارند.

محدودیت سرعت نورون‌های فوتونیک اسپاکینگ از این واقعیت ناشی می‌شود که آنها معمولاً با تزریق پالس‌های ورودی به بخش لیزر کار می‌کنند. این باعث تاخیری می‌شود که سرعت واکنش نورون را محدود کند. برای نورون درجه‌بندی شده لیزری، محققان با تزریق سیگنال‌های فرکانس رادیویی به لیزر نقطه کوانتومی از رویکرد متفاوتی استفاده کردند که از این تاخیر جلوگیری می‌کند. آنها همچنین پد‌های فرکانس رادیویی با سرعت بالا طراحی کردند تا سیستمی سریع‌تر، ساده‌تر و کم مصرف‌تر تولید کنند.

برای نشان دادن بیشتر قابلیت‌های نورون درجه‌بندی شده لیزری، محققان از آن برای ساخت یک سیستم محاسباتی مخزنی استفاده کردند. این روش محاسباتی از نوع خاصی از شبکه که به عنوان مخزن شناخته می‌شود برای پردازش داده‌های وابسته به زمان مانند آنچه برای تشخیص گفتار و پیش‌بینی آب و هوا استفاده می‌شود، استفاده می‌کند.

در آزمایش‌ها نتایج رضایت‌بخش بود به طوری که 100 میلیون ضربان قلب در ثانیه را پردازش کرد و الگو‌های آریتمی را با دقت متوسط ​​98 ٫ 4 درصد تشخیص داد.

نتایج این پروژه در قالب مقاله‌ای با عنوان «Integrated laser graded neuron enabling high-speed reservoir computing without feedback loop» در نشریه Optica به چاپ رسیده است.