Desarrollando una inteligencia automática más rápida con luz

Investigadores de la Universidad George Washington, junto con científicos de la Universidad de California, Los Angeles, y la empresa de tecnología avanzada Optelligence LLC, han desarrollado un acelerador de red neural convolucional óptica capaz de procesar grandes cantidades de información, del orden de los petabytes, por segundo.

Esta innovación, que aprovecha el paralelismo masivo de la luz, anuncia una nueva era de procesamiento de señales ópticas para el aprendizaje automático con numerosas aplicaciones, entre ellas en automóviles autoconducidos, redes 5G, centros de datos, diagnósticos biomédicos, seguridad de datos y más.

La demanda mundial de hardware para el aprendizaje automático está superando drásticamente la capacidad de suministro de potencia de computación. Los equipos electrónicos de última generación, como las unidades de procesamiento de gráficos, ayudan a mitigar esto, pero se ven desafiados por el procesamiento de datos en serie, lo cual requiere un procesamiento de datos iterativo y se enfrenta a retrasos por las restricciones en el cableado y los circuitos.

Las alternativas ópticas al hardware electrónico podrían ayudar a acelerar los procesos de aprendizaje automático simplificando la forma en que se procesa la información de forma no iterativa. Sin embargo, el aprendizaje automático basado en la fotónica suele estar limitado por el número de componentes que pueden colocarse en los circuitos integrados fotónicos, lo que limita la interconectividad, mientras que los moduladores de luz están restringidos a velocidades de programación lentas.

Sistema experimental. (Foto: Volker Sorger/GWU)

Para lograr un gran avance en este sistema óptico de aprendizaje automático, los investigadores reemplazaron los moduladores espaciales de luz por tecnología digital basada en espejos, desarrollando así un sistema más de 100 veces más rápido. La sincronización no iterativa de este procesador, en combinación con la rápida programabilidad y la paralelización masiva, permite que este sistema óptico de aprendizaje automático supere incluso a las unidades de procesamiento gráfico de primera línea en más de un orden de magnitud, con espacio para una mayor optimización más allá del prototipo inicial. (Fuente: NCYT Amazings)