Учёные из Университета Сидянь (Xidian University) разработали инновационную фотонную нейроморфную вычислительную систему, способную выполнять обучение с подкреплением полностью на основе света. Это достижение позволяет исключить необходимость перевода сигналов из состояния фотонов в электрические импульсы и обратно, что существенно снижает энергопотери и задержки.
До сих пор фотонные спайковые нейронные сети могли выполнять только линейные вычисления. Новая разработка впервые открывает возможность для нелинейных преобразований, что расширяет область применения таких систем и повышает их эффективность.
Перевод сигналов между фотонами и электронами — это дополнительные потери энергии и времени. В робототехнике такие задержки могут привести к быстрому выходу из строя устройств или даже авариям. Поэтому создание универсальных фотонных чипов для сложных вычислений и обучения роботов является одним из ключевых направлений развития технологии.
Разработанный двухчиповый оптический прототип решает три основные проблемы: отсутствие крупномасштабных массивов нелинейных фотонных спайковых нейронов с низким порогом срабатывания, невозможность создания полностью программируемых чипов спайковых сетей и отсутствие аппаратной реализации фотонного обучения с подкреплением.
Первая система, представленная исследователями в журнале «Оптика», состоит из 16-канального фотонного нейроморфного чипа с 272 обучаемыми параметрами и чипа с массивом лазеров для нелинейной активации спайков. Также разработан аппаратно-программный фреймворк, который позволяет модели сначала обучаться в программном пакете, затем на чипах и, наконец, дообучаться с учётом особенностей аппаратной реализации.
Тестирование системы проводилось на классических задачах: балансировка шеста на тележке (CartPole) и раскачивание маятника из висячего положения (Pendulum). Аппаратные результаты показали минимальное падение точности — всего 1,5% для CartPole и 2% для Pendulum по сравнению с чисто программной моделью. На задаче CartPole достигнута идеальная производительность, на более сложной задаче Pendulum — хорошая.
Производительность системы впечатляет: энергоэффективность линейных вычислений достигла 1,39 TOPS/Вт при плотности 0,13 TOPS/мм², нелинейных — 987,65 GOPS/Вт и 533,33 GOPS/мм². Задержка вычислений на чипе составляет всего 320 пикосекунд. Эти показатели выводят оптическую систему в класс GPU по энергоэффективности (1 TOPS/Вт) и плотности вычислений (0,1–0,5 TOPS/мм²), но с преимуществом полной оптической обработки.
Система демонстрирует быстрое обучение посредством серии проб и ошибок в реальном времени. Разработка открывает перспективы для автономного вождения, интеграции искусственного интеллекта в роботы и периферийных вычислений, где требуется сверхнизкая задержка и минимальное энергопотребление.
В будущем авторы планируют масштабировать систему до 128-канального чипа для решения более сложных задач, таких как нейроморфная автономная навигация. Также они намерены создать компактные гибридно-интегрированные фотонные нейроморфные чипы. Это важный шаг к энергоэффективному ИИ, работающему на импульсах света.