Группа учёных из Федеральной политехнической школы Лозанны (EPFL) представила новую архитектуру для оптических вычислений, способную значительно сократить потребление энергии в системах искусственного интеллекта. Это открытие может стать переворотом для индустрии, позволяя сделать ИИ более эффективным с точки зрения расхода энергии.
Современные модели искусственного интеллекта, такие как глубокие нейронные сети, требуют огромных объёмов энергии как для обучения, так и для внедрения. По прогнозам, если текущие темпы роста энергопотребления сохранятся, к 2027 году годовые энергетические затраты серверов для ИИ могут превысить потребление энергии целой страны.
Исследователи EPFL предложили инновационный подход к оптическим вычислениям, при котором используются фотоны для обработки информации. Это позволяет проводить вычисления гораздо быстрее и эффективнее по сравнению с традиционными электронными системами. Однако оптические системы до недавнего времени не могли выполнять нелинейные преобразования, которые необходимы для классификации данных в нейронных сетях.
Научная группа EPFL разработала упрощённое решение, позволяющее осуществлять нелинейные преобразования на оптическом уровне. Метод основан на кодировании пикселей изображения пространственно на поверхности лазерного луча, что сделает возможным выполнение нелинейного умножения пикселей. Данная технология требует на порядок восьми меньше энергии по сравнению с традиционными электронными решениями.
Наш метод масштабируем и в тысячу раз более энергоэффективен, чем самые современные глубокие цифровые сети- утверждает Деметри Псалтис, руководитель лаборатории оптики EPFL.
Это исследование было поддержано грантом Sinergia Швейцарского национального научного фонда и опубликовано в журнале Nature Photonics. Учёные уже занимаются разработкой компилятора, который будет переводить цифровые данные в формат, пригодный для оптических систем.
Данный прорыв обладает потенциалом для радикального преобразования отрасли и повышения энергоэффективности искусственного интеллекта. Тем не менее, для осуществления масштабирования требуется провести дополнительные инженерные исследования.