सहयोग ऑप्टिकल कंप्यूटिंग के आधार पर कम-शक्ति, उच्च-गति एआई के व्यावहारिक अनुप्रयोग को आगे बढ़ाता है
TOKYO– (बिजनेस तार) -#टेकफॉरगुड-एनटीटी कॉर्पोरेशन (अध्यक्ष और सीईओ: अकीरा शिमदा, "एनटीटी") और टोक्यो विश्वविद्यालय (बंक्यो-कू, टोक्यो, अध्यक्ष: टेरुओ फुजी) ने मस्तिष्क की सूचना प्रसंस्करण से प्रेरित एक नया लर्निंग एल्गोरिदम तैयार किया है जो एनालॉग ऑपरेशंस का उपयोग करके बहुस्तरीय कृत्रिम तंत्रिका नेटवर्क (डीएनएन) के लिए उपयुक्त है। इस सफलता से एआई के लिए बिजली की खपत और गणना समय में कमी आएगी। इस विकास के परिणाम ब्रिटिश वैज्ञानिक पत्रिका में प्रकाशित हुए थे संचार प्रकृति दिसंबर 26 परth.
शोधकर्ताओं ने ऑप्टिकल एनालॉग कंप्यूटेशन का उपयोग करने वाले डीएनएन के एल्गोरिदम को लागू करके कुशलता से निष्पादित ऑप्टिकल डीएनएन सीखने का दुनिया का पहला प्रदर्शन हासिल किया, जो उच्च गति, कम-शक्ति मशीन सीखने वाले उपकरणों को सक्षम करने की उम्मीद है। इसके अलावा, उन्होंने बहुस्तरीय कृत्रिम तंत्रिका नेटवर्क का दुनिया का उच्चतम प्रदर्शन हासिल किया है जो एनालॉग ऑपरेशंस का उपयोग करता है।
अतीत में, उच्च-लोड सीखने की गणना डिजिटल गणनाओं द्वारा की जाती थी, लेकिन यह परिणाम साबित करता है कि एनालॉग गणनाओं का उपयोग करके सीखने वाले हिस्से की दक्षता में सुधार करना संभव है। डीप न्यूरल नेटवर्क (DNN) तकनीक में, एक आवर्तक तंत्रिका नेटवर्क जिसे डीप रिजर्वायर कंप्यूटिंग कहा जाता है, की गणना एक न्यूरॉन के रूप में एक ऑप्टिकल पल्स और रिकर्सिव कनेक्शन के साथ एक न्यूरल नेटवर्क के रूप में एक नॉनलाइनियर ऑप्टिकल रिंग के रूप में की जाती है। आउटपुट सिग्नल को उसी ऑप्टिकल सर्किट में दोबारा इनपुट करके, नेटवर्क कृत्रिम रूप से गहरा हो जाता है।
DNN तकनीक उन्नत कृत्रिम बुद्धिमत्ता (AI) जैसे मशीन अनुवाद, स्वायत्त ड्राइविंग और रोबोटिक्स को सक्षम बनाती है। वर्तमान में, आवश्यक शक्ति और संगणना समय उस दर से बढ़ रहा है जो डिजिटल कंप्यूटरों के प्रदर्शन में वृद्धि से अधिक है। DNN तकनीक, जो एनालॉग सिग्नल गणना (एनालॉग ऑपरेशंस) का उपयोग करती है, से मस्तिष्क के तंत्रिका नेटवर्क के समान उच्च दक्षता और उच्च गति की गणना को साकार करने की एक विधि होने की उम्मीद है। एनटीटी और टोक्यो विश्वविद्यालय के बीच सहयोग ने एक एनालॉग ऑपरेशन डीएनएन के लिए उपयुक्त एक नया एल्गोरिदम विकसित किया है जो डीएनएन में शामिल सीखने के मानकों की समझ को नहीं मानता है।
प्रस्तावित विधि नेटवर्क की अंतिम परत और वांछित आउटपुट सिग्नल (त्रुटि संकेत) की त्रुटि के गैर-रैखिक यादृच्छिक परिवर्तन के आधार पर सीखने के मापदंडों को बदलकर सीखती है। यह गणना ऑप्टिकल सर्किट जैसी चीजों में एनालॉग गणनाओं को लागू करना आसान बनाती है। इसका उपयोग न केवल भौतिक कार्यान्वयन के लिए एक मॉडल के रूप में किया जा सकता है, बल्कि डीएनएन मॉडल सहित मशीन अनुवाद और विभिन्न एआई मॉडल जैसे अनुप्रयोगों में उपयोग किए जाने वाले अत्याधुनिक मॉडल के रूप में भी किया जा सकता है। इस शोध से एआई कंप्यूटिंग से जुड़ी उभरती समस्याओं को हल करने में योगदान मिलने की उम्मीद है, जिसमें बिजली की खपत और गणना के समय में वृद्धि शामिल है।
विशिष्ट समस्याओं के लिए इस पत्र में प्रस्तावित विधि की प्रयोज्यता की जांच के अलावा, एनटीटी ऑप्टिकल हार्डवेयर के बड़े पैमाने पर और छोटे पैमाने पर एकीकरण को भी बढ़ावा देगा, जिसका उद्देश्य भविष्य के ऑप्टिकल के लिए एक उच्च गति, कम शक्ति वाले ऑप्टिकल कंप्यूटिंग प्लेटफॉर्म की स्थापना करना है। नेटवर्क।
इस शोध के लिए समर्थन:
JST/CREST ने इन शोध परिणामों के हिस्से का समर्थन किया।
पत्रिका प्रकाशन:
पत्रिका: संचार प्रकृति (ऑनलाइन संस्करण: 26 दिसंबर)
लेख का शीर्षक: जैविक रूप से प्रेरित प्रशिक्षण पद्धति के साथ शारीरिक गहन शिक्षा: भौतिक हार्डवेयर के लिए क्रमिक-मुक्त दृष्टिकोण
लेखक: मित्सुमसा नकाजिमा, कत्सुमा इनूए, केंजी तनाका, यासुओ कुनियोशी, तोशिकाज़ु हाशिमोटो, और कोहेई नकाजिमा
शब्दावली की व्याख्या:
- ऑप्टिकल सर्किट: एक सर्किट जिसमें सिलिकॉन या क्वार्ट्ज ऑप्टिकल वेवगाइड इलेक्ट्रॉनिक सर्किट निर्माण तकनीक का उपयोग करके एक सिलिकॉन वेफर पर एकीकृत होते हैं। संचार में, ऑप्टिकल संचार पथों की ब्रांचिंग और मर्जिंग ऑप्टिकल इंटरफेरेंस, वेवलेंथ मल्टीप्लेक्सिंग / डीमुल्टिप्लेक्सिंग, और इसी तरह से की जाती है।
- Backpropagation (BP) विधि: गहन शिक्षण में सबसे अधिक उपयोग किया जाने वाला शिक्षण एल्गोरिथम। त्रुटि संकेत को पीछे की ओर प्रचारित करते समय नेटवर्क में भार (पैरामीटर) के ग्रेडिएंट प्राप्त किए जाते हैं, और वज़न को अपडेट किया जाता है ताकि त्रुटि कम हो जाए। चूंकि बैकप्रोपैगेशन प्रक्रिया के लिए नेटवर्क मॉडल के वेट मैट्रिक्स के ट्रांसपोजिशन और नॉनलाइनियर भेदभाव की आवश्यकता होती है, इसलिए जीवित जीव के मस्तिष्क सहित एनालॉग सर्किट पर इसे लागू करना मुश्किल है।
- एनालॉग कंप्यूटिंग: एक कंप्यूटर जो वास्तविक मूल्यों को व्यक्त करता है
भौतिक राशियों जैसे कि प्रकाश की तीव्रता और चरण और चुंबकीय स्पिन की दिशा और तीव्रता का उपयोग करना और भौतिकी के नियमों के अनुसार इन भौतिक मात्राओं को बदलकर गणना करना। - प्रत्यक्ष प्रतिक्रिया संरेखण (डीएफए) विधि: अंतिम परत के त्रुटि संकेत पर एक गैर-रैखिक यादृच्छिक परिवर्तन करके प्रत्येक परत के त्रुटि संकेत की छद्म-गणना करने की एक विधि। चूंकि इसे नेटवर्क मॉडल की विभेदक जानकारी की आवश्यकता नहीं है और इसकी गणना केवल समानांतर यादृच्छिक परिवर्तन द्वारा की जा सकती है, यह एनालॉग गणना के साथ संगत है।
- जलाशय कंप्यूटिंग: एक प्रकार का आवर्तक तंत्रिका नेटवर्क जिसमें छिपी हुई परत में आवर्तक कनेक्शन होते हैं। यह एक मध्यवर्ती परत में बेतरतीब ढंग से फिक्सिंग कनेक्शन की विशेषता है जिसे जलाशय परत कहा जाता है। डीप रिजर्वायर कंप्यूटिंग में, कई परतों में जलाशय की परतों को जोड़कर सूचना प्रसंस्करण किया जाता है।
NTT और NTT लोगो NIPPON TELEGRAPH AND TELEPHONE CORPORATION और/या इसके सहयोगियों के पंजीकृत ट्रेडमार्क या ट्रेडमार्क हैं। अन्य सभी संदर्भित उत्पाद नाम उनके संबंधित स्वामियों के ट्रेडमार्क हैं। © 2023 निप्पॉन टेलीग्राफ एंड टेलीफोन कॉर्पोरेशन
संपर्क
स्टीफन रसेल
एनटीटी के लिए
+ 1-804-362-7484
स्रोत: https://thenewscrypto.com/ntt-and-the-university-of-tokyo-develop-worlds-first-optical-computing-ai-use-an-algorithm-induced-by-the-human-brain/