Pennsylvania Üniversitesi’nden bilim adamları, bir görüntüyü 0,57 nanosaniyeden daha kısa sürede tanıyabilen bir fotonik çip tasarladıklarını iddia ediyorlar. (yeni sekmede açılır). Test çipi sadece 9,3 mm kareydi ve tamamen ölçeklenebilir entegre bir fotonik cihaz üzerinde uygulanan ilk derin sinir ağı olduğu söyleniyor.
Yeni fotonik çipin sağladığı görüntü sınıflandırma hızının altını çizmekte fayda var. Sürekli çalıştırılırsa, 0,57 nanosaniye tanıma süresi, çipin saniyede 1,75 milyar olağanüstü görüntü sınıflandırabileceği anlamına gelir. Başka bir deyişle, görüntüleri 1.75GHz hızında tanıyor.
Tom’un Donanımı optik çip ve fotonik teknolojisindeki ilerlemeler hakkında birçok kez rapor verildi. Bu tür bir teknoloji, ışık bazlı bileşenlerin, kablo ara bağlantılarıyla geleneksel mikro elektroniği etkileyecek direnç/ısı problemlerinden etkilenmediği süper yüksek frekanslı uygulamalarda giderek daha popüler hale geliyor. Böylece, yüksek hızlı ağ oluşturma gibi çözümler etrafında kümelenen fotonik çip geliştirme örnekleri gördük.
Pennsylvania Üniversitesi’ndeki bilim adamları, etkileyici görüntü işleme başarıları için hem fotonik teknolojiyi hem de sinir ağlarını kullanıyorlar. Geleneksel olarak, sinir ağlarını işlemek için CPU’lar ve GPU’lar gibi silikon çipler kullanılmıştır ve firmalar Nvidia gibi (yeni sekmede açılır) işlemcilerinin görüntüleri (örneğin yüzler, nesneler), sesleri ve videoyu tanımak için AI sistemlerini çalıştırabileceği hızlarla övünüyorlar. Bununla birlikte, Pennsylvania Üniversitesi bilim adamları, bu teknolojinin sağlayabileceği tüm avantajlarla birlikte, çok yüksek hızlar ve düşük güç tüketimi gibi bir optik çip kullanarak nöronları simüle eden ilk kişilerdir.
Araştırma makalesi, bilim adamlarının optik sinir ağlarını alfabenin harfleriyle eğittiklerini ve elle çizilmiş karakterler için yaklaşık %90’lık bir başarılı tanıma oranı elde ettiklerini ortaya koyuyor. Bu, iddia edilen nefes kesici hızlara yardımcı olan en karmaşık sinir ağı AI görevleri değildir. Ayrıca, metinler 6×5 piksel ızgara ile sınırlıydı, bu da sinir ağının öğrenmesini ve doğru bir şekilde tanımasını daha da basitleştirdi.
Bilim adamları ölçeklenebilirlik iddiasında bulunurken, sonraki gelişmelerin bu fotonik çipi bilgisayarla görme, 3B nesne sınıflandırma, tıbbi teşhis ve diğer görevlerde daha kullanışlı hale getireceğini varsaymak mantıklıdır. Hıza gelince, bilim adamları en iyi çağdaş üretim süreçlerini kullanarak mevcut çipin tanıma oranını 0.1 nanosaniyeye çıkarabileceklerini söylüyorlar. Bu, her şey eşitken saniyede 10 milyar görüntüyü sınıflandırma potansiyeli anlamına gelir.
Yukarıda videoları ve 3B nesneleri sınıflandırmak için sinir ağlarının kullanımından bahsetmiştik ve Pennsylvania ekibi bu girdilerle tanıma görevleri için 1 cm’den küçük kare fotonik çiplerini eğitmeyi planlıyor. Ayrıca, daha karmaşık ve daha yüksek çözünürlüklü görüntüleri sınıflandırmak için daha fazla piksel ve nöron içeren fotonik çipler üzerinde çalışacaklarını doğruladılar.
