Hazırkı süni intellekt modelləri çətin tapşırıqları yerinə yetirmək üçün milyardlarla öyrədilə bilən parametrlərdən istifadə edir. Bununla belə, bu çox sayda parametr böyük bir xərclə gəlir. Bu nəhəng modellərin öyrədilməsi və tətbiqi böyük yaddaş sahəsi və hesablama qabiliyyəti tələb edir ki, bunu yalnız orta ölçülü şəhərlərin elektrik ehtiyaclarına ekvivalent enerji sərf edən proseslərdə anqar ölçülü məlumat mərkəzləri təmin edə bilər.

Tədqiqat cəmiyyəti hazırda süni intellektin inkişafını davamlı şəkildə cari tempdə saxlamaq üçün həm əlaqəli hesablama aparatını, həm də maşın öyrənmə alqoritmlərini yenidən nəzərdən keçirmək üçün səylər göstərir. Neyroşəbəkə arxitekturalarının optik tətbiqi bölmələr arasında əlaqənin aşağı güc tətbiqinə görə perspektivli bir yoldur.

Advanced Photonics -də bildirilmiş yeni tədqiqat çox rejimli liflər daxilində işığın yayılmasını az sayda rəqəmsal olaraq proqramlaşdırıla bilən parametrlərlə birləşdirir və 100 dəfədən çox proqramlaşdırıla bilən parametrlərə malik tam rəqəmsal sistemlərlə təsvirin təsnifatı tapşırıqlarında eyni performansa nail olur. Bu hesablama çərçivəsi müxtəlif maşın öyrənmə tapşırıqlarında eyni səviyyəli dəqiqliyə nail olmaqla, yaddaş tələbini asanlaşdırır və enerji tutumlu rəqəmsal proseslərə ehtiyacı azaldır.

EPFL-dən (Lozannadakı İsveçrə Federal Texnologiya İnstitutu) professorlar Demetri Psaltis və Kristof Moserin rəhbərlik etdiyi bu işin ürəyi dalğavari formalaşdırma kimi tanınan texnika vasitəsilə multimod liflər daxilində ultraqısa impulsların dəqiq idarə edilməsində yatır. Bu, optik neyron şəbəkələrinin potensialının reallaşdırılmasında həlledici mərhələyə çatan orta optik gücün mikrovatları ilə qeyri-xətti optik hesablamaların həyata keçirilməsinə imkan verir.

https://googleads.g.doubleclick.net/pagead/ads?client=ca-pub-0536483524803400&output=html&h=135&slotname=2793866484&adk=675901022&adf=1873531024&pi=t.ma~as.2793866484&w=540&fwrn=4&lmt=1711611275&rafmt=11&format=540×135&url=https%3A%2F%2Ftechxplore.com%2Fnews%2F2024-01-propagation-highly-efficient-neural-networks.html&wgl=1&uach=WyJXaW5kb3dzIiwiMTUuMC4wIiwieDg2IiwiIiwiMTIyLjAuNjI2MS4xMjkiLG51bGwsMCxudWxsLCI2NCIsW1siQ2hyb21pdW0iLCIxMjIuMC42MjYxLjEyOSJdLFsiTm90KEE6QnJhbmQiLCIyNC4wLjAuMCJdLFsiR29vZ2xlIENocm9tZSIsIjEyMi4wLjYyNjEuMTI5Il1dLDBd&dt=1711611274984&bpp=1&bdt=171&idt=187&shv=r20240326&mjsv=m202403210101&ptt=9&saldr=aa&abxe=1&cookie=ID%3Dd8c6cdc5123375cd%3AT%3D1709623025%3ART%3D1711611165%3AS%3DALNI_MY2ynj5TDpMXqOZBx7W90OihbbXuw&gpic=UID%3D00000d6971a748b6%3AT%3D1709623025%3ART%3D1711611165%3AS%3DALNI_MaTILJ6PYHOKRZlSvHcKJ4LkDsnLQ&eo_id_str=ID%3D34d5e14efb6a7c5d%3AT%3D1709623025%3ART%3D1711611165%3AS%3DAA-Afjbw5XrDrmZOIEp3UV8fgvCO&prev_fmts=0x0&nras=1&correlator=2904460571429&frm=20&pv=1&ga_vid=1833901760.1709623018&ga_sid=1711611275&ga_hid=1755449847&ga_fc=1&rplot=4&u_tz=240&u_his=1&u_h=864&u_w=1536&u_ah=816&u_aw=1536&u_cd=24&u_sd=1.25&dmc=8&adx=395&ady=1645&biw=1519&bih=695&scr_x=0&scr_y=0&eid=44759876%2C44759927%2C44759837%2C31082031%2C31082175%2C95320376%2C95328825%2C31078663%2C31078665%2C31078668%2C31078670&oid=2&pvsid=333011845589260&tmod=1002168777&uas=0&nvt=3&ref=https%3A%2F%2Ftechxplore.com%2Fpage8.html&fc=1920&brdim=0%2C0%2C0%2C0%2C1536%2C0%2C1536%2C816%2C1536%2C695&vis=1&rsz=%7C%7CpeEbr%7C&abl=CS&pfx=0&fu=128&bc=31&bz=1&td=1&psd=W251bGwsbnVsbCwibGFiZWxfb25seV8xIiwxXQ..&nt=1&ifi=2&uci=a!2&btvi=1&fsb=1&dtd=197

“Bu araşdırmada biz müəyyən etdik ki, kiçik parametrlər qrupu ilə biz optikanın təmin etdiyi çəki bankından xüsusi model çəkilər dəstini seçə və ondan məqsədyönlü hesablama tapşırığı üçün istifadə edə bilərik. Bu yolla biz təbii olaraq baş verən hadisələrdən istifadə etdik. Bu məqsəd üçün ixtisaslaşmış bir cihazın istehsalı və istismarı probleminə girmədən hesablama aparatı”, – deyə əsərin aparıcı həmmüəllifi İlker Oğuz bildirir.

Bu nəticə daha böyük maşın öyrənmə modellərinə artan tələbatın yaratdığı problemlərin həlli istiqamətində əhəmiyyətli bir addımdır. Çox rejimli liflər vasitəsilə işığın yayılmasının hesablama gücündən istifadə edərək , tədqiqatçılar süni intellektdə aşağı enerjili, yüksək səmərəli aparat həlləri üçün yol açdılar.

Məlumat verilmiş qeyri-xətti optika təcrübəsində nümayiş etdirildiyi kimi, bu hesablama çərçivəsi, həmçinin maşın öyrənməsi tapşırıqlarını yerinə yetirmək üçün müxtəlif yüksək ölçülü, qeyri-xətti hadisələrin səmərəli proqramlaşdırılması üçün istifadə edilə bilər və mövcud AI modellərinin resurs tutumlu təbiətinə transformativ həll təklif edə bilər.

Ətraflı məlumat: İlker Oğuz və digərləri, Effektiv optik öyrənmə maşınları üçün qeyri-xətti yayılmanın proqramlaşdırılması, Advanced Photonics (2024). DOI: 10.1117/1.AP.6.1.016002

Jurnal məlumatı: Advanced Photonics SPIE tərəfindən təmin edilmişdir