Оптические вычисления стали более эффективными: ученым удалось снизить энергопотребление ИИ

Учёные из Федеральной политехнической школы Лозанны (EPFL) разработали новую структуру для оптических вычислений, которая позволяет уменьшить энергопотребление систем искусственного интеллекта. Это открытие имеет потенциал революционизировать отрасль и сделать искусственный интеллект более энергоэффективным.

Современные системы искусственного интеллекта, такие как глубокие нейронные сети, требуют значительного количества энергии для обучения и развёртывания. По некоторым оценкам, если текущий темп роста потребления энергии сохранится, то к 2027 году годовое потребление энергии серверами для моделей ИИ может превзойти потребление небольшой страны.

Оптические вычисления стали более эффективными: ученым удалось снизить энергопотребление ИИ
Источник: DALL-E

Исследователи EPFL предложили новый подход к оптическим вычислениям, который использует фотоны для обработки данных. Это позволяет выполнить вычисления гораздо быстрее и эффективнее, чем традиционные электронные системы. Однако до сих пор оптические системы не могли выполнять нелинейные преобразования, необходимые для классификации данных в нейронных сетях.

Учёные EPFL разработали простое решение, которое позволяет выполнять нелинейные преобразования оптически. Они кодируют пиксели изображения пространственно на поверхности маломощного лазерного луча, что позволяет выполнить нелинейное умножение пикселей. Это решение требует на восемь порядков меньше энергии, чем традиционные электронные системы.

«Наш метод масштабируем и в 1000 раз более энергоэффективен, чем самые современные глубокие цифровые сети», — говорит Деметри Псалтис, руководитель лаборатории оптики EPFL.

Исследование, поддержанное грантом Sinergia Швейцарского национального научного фонда, было опубликовано в журнале Nature Photonics. Учёные уже работают над разработкой компилятора для перевода цифровых данных в код, который могут использовать оптические системы.

Этот прорыв имеет потенциал изменить отрасль и сделать искусственный интеллект более энергоэффективным. Однако для достижения масштабирования необходимы дальнейшие инженерные исследования.


Источник