Superkomputikaj progresoj: uzante neŭromorfajn optikaj retoj

En la lastaj jardekoj, la iam konata kaj preciza tendenco, la Leĝo de Moore, antaŭvidita de Gordon Moore de IBM en 1965, nun malrapide fariĝas malfunkcia mezuro de komputika rendimento. La Leĝo de Moore antaŭdiris ke proksimume ĉiujn du jarojn la nombro da transistoroj en integra cirkvito duobliĝos, ke ekzistus pli da transistoroj en la sama kvanto de spaco, kondukante al pliigita komputado kaj tiel komputila efikeco. En April 2005, en intervjuo, Gordon Moore mem deklaris ke lia projekcio verŝajne jam ne estus daŭrigebla: "Laŭ grandeco [de transistoroj] vi povas vidi ke ni alproksimiĝas al la grandeco de atomoj kiu estas fundamenta baro, sed ĝi estos du aŭ tri generacioj antaŭ ol ni atingos tiom malproksimen—sed tio estas tiom malproksime kiel ni iam povis vidi. Ni havas aliajn 10 ĝis 20 jarojn antaŭ ol ni atingos fundamentan limon."   

Kvankam la leĝo de Moore estas kondamnita trafi iun sakstraton, aliaj indikiloj de komputado vidas pliiĝon en aplikebleco. Kun la teknologio, kiun ni uzas en nia ĉiutaga vivo, ni ĉiuj povas vidi la tendencojn de komputiloj pli kaj pli malgrandaj, sed ankaŭ, ke aparataj kuirilaroj daŭras pli kaj pli longe. Ĉi-lasta tendenco kun kuirilaroj estas nomita Koomey's Law, nomita laŭ Stanford University profesoro Jonathan Koomey. La leĝo de Koomey antaŭdiras ke "... ĉe fiksa komputika ŝarĝo, la kvanto de baterio, kiun vi bezonas, falos je du faktoro ĉiun jaron kaj duonon." Tial elektronika konsumo aŭ energia efikeco de komputiloj duobliĝas proksimume ĉiujn 18 monatojn. Do, kion ĉiuj ĉi tiuj tendencoj kaj ŝanĝoj montras kaj malkaŝas, estas la estonteco de komputado.

La estonteco de komputado

Ni venis al tempo en la historio, kie ni devas redifini komputadon ĉar la tendencoj kaj leĝoj antaŭdiritaj antaŭ pluraj jardekoj ne plu estas aplikeblaj. Ankaŭ, ĉar komputado puŝas al la nano- kaj kvantuma skaloj, estas evidentaj fizikaj limigoj kaj defioj venontaj. Eble la plej rimarkinda provo pri superkomputado, kvantuma komputado, havas la evidentan defion vere utiligi kvantuman implikiĝon por paralela komputado, tio estas, plenumi komputadon antaŭ kvantuma malkohereco. Tamen, malgraŭ la defioj de kvantuma komputado, estis multe da progreso en la lastaj jardekoj. Oni povas trovi modelojn de la tradicia komputila arkitekturo de John von Neumann aplikita al kvantuma komputado. Sed ekzistas alia ne tiel konata sfero de (super)komputiko, nomita neŭromorfa komputado kiu ne sekvas la tradician von Neumann-arkitekturon. 

Neŭromorfa komputiko estis antaŭvidita fare de Caltech-profesoro Carver Mead reen en sia pionira artikolo en 1990.  Fundamente, la principoj de neŭromorfa komputado estas bazitaj sur teoriaditaj biologiaj principoj de ago, kiel tiuj supozeble uzitaj fare de la homa cerbo en komputado. Konciza distingo inter neŭromorfa komputika teorio kontraŭ klasika von Neumann-komputika teorio estis resumita en artikolo de Don Monroe en la Asocio por Komputila Maŝinaro ĵurnalo. La deklaro iras jene: "En la tradicia von Neumann-arkitekturo, potenca logika kerno (aŭ pluraj paralele) funkcias sinsekve sur datumoj prenitaj el memoro. Kontraste, "neŭromorfa" komputado distribuas kaj komputadon kaj memoron inter grandega nombro da relative primitivaj "neŭronoj", ĉiu komunikante kun centoj aŭ miloj da aliaj neŭronoj per "sinapsoj."  

Aliaj ŝlosilaj trajtoj de neŭromorfa komputado inkluzivas netoleremon al misfunkciadoj, kiu celas modeligi la kapablon de la homa cerbo perdi neŭronojn kaj ankoraŭ povi funkcii. Analogie, en tradicia komputado la perdo de unu transistoro influas bonordan funkciadon. Alia antaŭvidita kaj celita avantaĝo de neŭromorfa komputado estas ne necesas esti programita; ĉi tiu lasta celo denove modeligas la kapablon de la homa cerbo lerni, respondi kaj adaptiĝi al signaloj. Tiel, neŭromorfa komputiko estas nuntempe la plej bona kandidato por maŝinlernado kaj artefarita inteligenteco taskoj. 

Progresoj de neŭromorfa superkomputado

La resto de ĉi tiu artikolo profundiĝos pri progresoj de neŭromorfa superkomputado. Specife, lastatempe publikigita esplorado pri la Arxiv de Alexander Tait et. al. el Universitato Princeton montras, ke modelo de fotonika neŭrala reto bazita en silicio superas konvencian komputikan aliron je preskaŭ 2000-oble. Ĉi tiu neŭromorfa fotona platformo de komputado povus konduki al ultrarapida informpretigo. 

La Tait et. al. papero titolita Neuromorphic Silicon Photonics komencas priskribi la avantaĝojn kaj malavantaĝojn de uzado de la fotona malpeza formo de elektromagneta radiado por komputado. La komencaj ĉefpunktoj de la papero estas ke lumo estis vaste uzita por informtranssendo ankoraŭ ne por informtransformo, t.e. cifereca optika komputado. Simile, al kvantuma komputiko, ekzistas fundamentaj fizikaj defioj al cifereca optika komputiko. La papero tiam iras en la detalojn de pli frue proponita neŭromorfa fotonika komputikplatformo la Tait et. al. teamo publikigita en 2014, titolita Elsendo kaj pezo: integra reto por skalebla fotona pikpretigo. Ilia pli nova artikolo priskribas la rezultojn de la unua eksperimenta manifestacio de integra fotona neŭrala reto. 

En la "elsendo kaj pezo" komputika arkitekturo, la "nodoj" ricevas unikan "ondolongo-aviad-kompanio" kiu estas "ondolonga dividado multipleksita (WDM)" kaj tiam dissendita al aliaj "nodoj". La "nodoj" en ĉi tiu arkitekturo estas intencitaj simuli neŭronan konduton en la homa cerbo. Tiam "WDM" signaloj estas prilaboritaj per kontinu-valoraj filtriloj nomitaj "mikroring (MRR) pezbankoj" kaj tiam sumigitaj elektre en mezurita totalpotenca detektvaloro. La ne-lineareco de tiu lasta elektro-optika transformo/komputado estas ĝuste la ne-lineareco postulata por imiti neŭronfunkciecon, esenca al komputado sub neŭromorfaj principoj. 

En la papero, ili diskutas, ke ĉi tiuj eksperimente kontrolitaj elektro-optikaj transformdinamikoj estas matematike identaj al "2-noda kontinua tempo ripetiĝanta neŭrala reto" (CTRNN) modelo. Tiuj pioniraj rezultoj indikas ke programaj iloj kiuj estis uzitaj por CTRNN-modeloj povus esti aplikitaj al silici-bazitaj neŭromorfaj platformoj. Tiu eltrovaĵo malfermas la vojon al adaptado de CTRNN-metodaro al neŭromorfa silicia fotoniko. En ilia artikolo, ili faras ĝuste tian modeladapton al sia "elsendo kaj peza" arkitekturo. La rezultoj montras ke la CTRNN-modelo simulita sur ilia 49-noda arkitekturo donas la neŭromorfan komputilarkitekturon por superi klasikajn komputikmodelojn je 3 grandordoj.