Avanzamenti di a supercomputazione: utilizendu e rete ottiche neuromorfiche

In l'ultimi decennii, a tendenza una volta ben cunnisciuta è precisa, a Legge di Moore, prevista da Gordon Moore di IBM in u 1965, hè diventata lentamente una misura defunta di u rendiment di l'informatica. A lege di Moore hà previstu chì circa ogni dui anni u numeru di transistors in un circuitu integratu duppiarà, chì ci saria più transistor in u listessu spaziu di u spaziu, purtendu à l'aumentu di u calculu è cusì u rendiment di l'informatica. In l'aprili di u 2005, in una entrevista, Gordon Moore stessu hà dichjaratu chì a so prughjezzione ùn saria più sustenibile: "In termini di dimensione [di transistor], pudete vede chì avemu avvicinatu à a dimensione di l'atomi chì hè una barriera fundamentale, ma ci sarà dui o trè generazioni prima di ghjunghje sin'à tantu luntanu - ma hè tantu luntanu comu avemu mai statu capaci di vede. Avemu altri 10 à 20 anni prima di ghjunghje à un limitu fundamentale ".   

Ancu s'è a lege di Moore hè cundannata à chjappà in una strada morta, altri indicatori di l'informatica vedenu un aumentu di l'applicabilità. Cù a tecnulugia chì usemu in a nostra vita di ogni ghjornu, tutti pudemu vede e tendenze di l'urdinatori chì diventanu più chjuchi è più chjuchi, ma ancu chì e batterie di i dispositi duranu più è più. L'ultima tendenza cù batterie hè chjamata Koomey's Law, chjamatu dopu à u prufissore di l'Università di Stanford Jonathan Koomey. A lege di Koomey predice chì "... à una carica di computer fissa, a quantità di bateria chì avete bisognu cascarà da un fattore di dui ogni annu è mezu". Dunque, u cunsumu di energia elettronica o l'efficienza energetica di l'urdinatori radduppianu circa ogni 18 mesi. Allora, ciò chì tutte queste tendenze è cambiamenti puntanu è rivelanu hè u futuru di l'informatica.

U futuru di l'informatica

Semu ghjunti à un tempu in a storia induve avemu da ridefinisce l'informatica cum'è e tendenze è e lege previste parechji decennii fà ùn sò più applicabili. Inoltre, cum'è l'informatica spinge versu e scale nano è quantum, ci sò evidenti limitazioni fisiche è sfide à vene. Forse u tentativu più notu di supercomputing, l'informatica quantistica, hà a sfida ovvia di sfruttà veramente l'entanglement quantisticu per a computazione parallela, vale à dì, realizà computazioni prima di decoherenza quantistica. Tuttavia, malgradu i sfidi di l'informatica quantistica, ci hè statu assai prugressu in l'ultimi decennii. Si pò truvà mudelli di l'architettura di l'informatica tradiziunale di John von Neumann applicata à l'informatica quantistica. Ma ci hè un altru regnu micca cusì cunnisciutu di (super)computing, chjamatu computing neuromorphic chì ùn seguita micca l'architettura tradiziunale di von Neumann. 

L'informatica neuromorfica hè stata pensata da u prufissore di Caltech Carver Mead in u so documentu seminale in 1990. In fondu, i principii di l'informatica neuromorfica sò basati nantu à i principii biologichi teorizati di l'azzione, cum'è quelli chì pensanu à esse utilizati da u cervellu umanu in u calculu. Una succinta distinzione trà a teoria di l'informatica neuromorfica versus a teoria classica di l'informatica di von Neumann hè stata riassunta in un articulu di Don Monroe in u Association for Computing Machinery ghjurnale. A dichjarazione hè cusì: "In l'architettura tradiziunale di von Neumann, un core logicu putente (o parechji in parallelu) opera in sequenza nantu à e dati pigliati da a memoria. In cuntrastu, l'informatica "neuromorfa" distribuisce a computazione è a memoria trà un numeru enormu di "neuroni" relativamente primitivi, chì cumunicanu ognunu cù centinaie o millaie di altri neuroni per mezu di "sinapsi".  

Altre caratteristiche chjave di l'informatica neuromorfica includenu l'intolleranza à i difetti, chì hà da scopu di mudificà a capacità di u cervellu umanu di perde i neuroni è ancu di pudè funziunà. Analogamente, in l'informatica tradiziunale, a perdita di un transistor affetta u funziunamentu propiu. Un altru vantaghju previstu è destinatu di l'informatica neuromorfica hè chì ùn ci hè bisognu di esse programatu; quest'ultimu scopu hè di novu mudificà a capacità di u cervellu umanu per amparà, risponde è adattà à i signali. Cusì, l'informatica neuromorfica hè attualmente u megliu candidatu per l'apprendimentu di a macchina è l'intelligenza artificiale. 

Avanzamenti di a supercomputazione neuromorfica

U restu di questu articulu hà da approfondisce l'avanzamenti di a supercomputazione neuromorfica. In particulare, a ricerca publicata recentemente nantu à l'Arxiv da Alexander Tait et. al. fora di l'Università di Princeton mostra chì un mudellu di rete neurale fotonica basatu in siliciu supera un approcciu di l'informatica convenzionale di quasi 2000 volte. Questa piattaforma fotonica neuromorfica di l'informatica puderia guidà à u processu di l'infurmazioni ultraveloce. 

U Tait et. al. carta intitulata Fotonica di Siliciu Neuromorfu principia à descrive i pro è i cuntrariu di l'usu di a forma di luce fotonica di a radiazione elettromagnetica per l'informatica. I punti principali iniziali di a carta sò chì a luce hè stata largamente usata per a trasmissione di l'infurmazioni, ma micca per a trasfurmazioni di l'infurmazioni, vale à dì l'informatica ottica digitale. In modu simile, à l'informatica quantistica, ci sò sfide fisiche fundamentali per l'informatica ottica digitale. U documentu poi entra in i dettagli di una piattaforma di computing fotonica neuromorfica pruposta prima, Tait et. al. squadra publicata in 2014, intitulatu Trasmissione è pesu: Una reta integrata per u processu di spike fotonicu scalabile. U so novu documentu descrive i risultati di a prima dimostrazione sperimentale di una rete neurale fotonica integrata. 

In l'architettura di l'informatica "diffusione è pesu", i "nodi" sò attribuiti un "trasportatore di lunghezza d'onda" unicu chì hè "divisione di lunghezza d'onda multiplexata (WDM)" è poi trasmessa à altri "nodi". I "nodi" in questa architettura sò destinati à simule u cumpurtamentu di i neuroni in u cervellu umanu. Allora i segnali "WDM" sò processati per mezu di filtri di valore cuntinuu chjamati "banchi di pesu microring (MRR)" è poi sommati elettricamente in un valore di rilevazione di putenza tutale misuratu. A non-linearità di quest'ultima trasfurmazioni / calculu elettro-otticu hè precisamente a non-linearità necessaria per imitarà a funziunalità di i neuroni, essenziale per l'informatica sottu principii neuromorfichi. 

In u documentu, discutanu chì queste dinamiche di trasfurmazioni elettro-ottiche verificate sperimentalmente sò matematicamente identiche à un mudellu di "2-node continuous-time recurrent neuronal network" (CTRNN). Questi risultati pionieri suggerenu chì i strumenti di prugrammazione chì sò stati aduprati per i mudelli CTRNN puderanu esse appiicati à e plataforme neuromorfiche basate in siliciu. Questa scuperta apre a strada per adattà a metodulugia CTRNN à a fotonica di siliciu neuromorficu. In u so documentu, facenu solu un tali adattamentu di mudellu nantu à a so architettura di "diffusione è pesu". I risultati mostranu chì u mudellu CTRNN simulatu nantu à a so architettura di 49 nodi rende l'architettura di computazione neuromorfica per superà i mudelli di computazione classica di 3 ordini di grandezza.