Supercomputing foarútgong: mei help fan neuromorphic optyske netwurken

Yn 'e lêste pear desennia is de eartiids bekende en krekte trend, Moore's Law, foarsizze troch Gordon Moore fan IBM yn 1965, no stadichoan in ferdwûne mjitte fan kompjûterprestaasjes. De wet fan Moore foarsei dat sa'n twa jier it oantal transistors yn in yntegreare sirkwy ferdûbelje soe, dat der mear transistors yn deselde hoemannichte romte komme soene, wat liedt ta ferhege berekkening en dus kompjûterprestaasjes. Yn april 2005, yn in ynterview, ferklearre Gordon Moore sels dat syn projeksje wierskynlik net langer duorsum wêze soe: "Yn termen fan grutte [fan transistors] kinne jo sjen dat wy de grutte fan atomen benaderje, wat in fûnemintele barriêre is, mar it sil twa of trije generaasjes duorje foardat wy sa fier komme - mar dat is sa fier as wy ea sjen kinnen hawwe. Wy hawwe noch 10 oant 20 jier foardat wy in fûnemintele limyt berikke."   

Hoewol't Moore's wet feroardiele is om wat dead-end te reitsjen, sjogge oare yndikatoaren fan komputer in stiging yn tapassing. Mei de technology dy't wy brûke yn ús deistich libben, kinne wy ​​allegear sjen dat de trends fan kompjûters hieltyd lytser wurde, mar ek dat apparaatbatterijen langer en langer duorje. De lêste trend mei batterijen wurdt Koomey's Law neamd, neamd nei Stanford University professor Jonathan Koomey. De wet fan Koomey foarseit dat "... by in fêste komputerlast, de hoemannichte batterij dy't jo nedich binne sil elk jier en in heal mei in faktor fan twa falle." Dêrom ferdûbelet elektroanysk enerzjyferbrûk as enerzjy-effisjinsje fan kompjûters sawat elke 18 moannen. Dat, wat al dizze trends en feroaringen op wize en iepenbierje is de takomst fan komputer.

De takomst fan komputer

Wy binne kommen yn in tiid yn 'e skiednis wêr't wy komputer opnij moatte definiearje, om't de trends en wetten dy't ferskate desennia lyn foarsein binne net mear fan tapassing binne. Ek, om't komputer nei de nano- en kwantumskalen triuwt, binne d'r foar de hân lizzende fysike beheiningen en útdagings om te kommen. Miskien hat de meast opmerklike besykjen ta supercomputing, quantum computing, de foar de hân lizzende útdaging om kwantumferstrengeling wirklik te benutten foar parallelle berekkening, dat is, it útfieren fan berekkeningen foar kwantumdekoherinsje. Nettsjinsteande de útdagings fan kwantumkomputer is d'r lykwols in protte foarútgong west yn 'e ôfrûne pear desennia. Men kin modellen fine fan 'e tradysjonele John von Neumann komputerarsjitektuer tapast op kwantumkomputeren. Mar d'r is in oar net sa bekend ryk fan (super)berekkenjen, neamd neuromorphyske komputer dy't de tradisjonele von Neumann-arsjitektuer net folget. 

Neuromorphic computing waard foarsjoen troch Caltech heechlearaar Carver Mead werom yn syn seminal papier yn 1990. Yn prinsipe binne de prinsipes fan neuromorphic computing basearre op teoretisearre biologyske prinsipes fan aksje, lykas dy nei alle gedachten wurde brûkt troch it minsklik brein yn berekkening. In koart ûnderskied tusken neuromorphyske kompjûterteory fersus klassike von Neumann-komputerteory waard gearfette yn in artikel fan Don Monroe yn 'e Feriening foar komputermasjines sjoernaal. De ferklearring giet sa: "Yn 'e tradysjonele von Neumann-arsjitektuer wurket in krêftige logyske kearn (of ferskate parallele) sequentieel op gegevens dy't út it ûnthâld binne ophelle. Yn tsjinstelling, 'neuromorphic' komputer ferspriedt sawol berekkening as ûnthâld ûnder in enoarm oantal relatyf primitive 'neuronen', elk kommunisearje mei hûnderten of tûzenen oare neuroanen fia 'synapsen'.  

Oare wichtige skaaimerken fan neuromorphic computing omfetsje foutintolerânsje, dy't as doel hat it fermogen fan it minsklik brein te modellearjen om neuroanen te ferliezen en noch te funksjonearjen. Analooch, yn tradisjoneel komputerjen beynfloedet it ferlies fan ien transistor it goede funksjonearjen. In oar foarsjoen en rjochte foardiel fan neuromorphic computing is dat it net nedich is om programmearre te wurden; dit lêste doel is wer modelearjen fan it minsklik brein syn fermogen om te learen, reagearje en oanpasse oan sinjalen. Sa, neuromorphic computing is op it stuit de bêste kandidaat foar masine learen en keunstmjittige yntelliginsje taken. 

Advances fan neuromorphyske supercomputing

De rest fan dit artikel sil ferdjipje yn foarútgong fan neuromorphic supercomputing. Spesifyk, koartlyn publisearre ûndersyk oer de Arxiv fan Alexander Tait et. al. út Princeton University lit sjen dat in silisium-basearre fotonysk neural netwurkmodel in konvinsjonele komputeroanpak mei hast 2000-fâld presteart. Dit neuromorphyske fotonyske platfoarm fan komputer koe liede ta ultrasnelle ynformaasjeferwurking. 

De Tait et. al. papier rjocht Neuromorphic Silicon Photonics begjint mei it beskriuwen fan de foar- en neidielen fan it brûken fan de fotonyske ljochtfoarm fan elektromagnetyske strieling foar komputer. De earste haadpunten fan it papier binne dat ljocht in soad brûkt is foar ynformaasjetransmission, mar net foar ynformaasjetransformaasje, dus digitale optyske komputer. Lykas, foar kwantumberekkening, binne d'r fûnemintele fysike útdagings foar digitale optyske komputer. It papier giet dan yn 'e details fan in earder foarsteld neuromorfysk fotonysk komputerplatfoarm, de Tait et. al. team publisearre yn 2014, rjocht Útstjoering en gewicht: In yntegreare netwurk foar skalberbere fotonyske spikeferwurking. Har nijere papier beskriuwt de resultaten fan 'e earste eksperimintele demonstraasje fan in yntegreare fotonysk neural netwurk. 

Yn 'e "útstjoering en gewicht" komputerarsjitektuer wurde de "knooppunten" in unike "golflingtedrager" tawiisd dy't "golflingteferdieling multiplexed (WDM)" is en dan útstjoerd nei oare "knooppunten". De "knooppunten" yn dizze arsjitektuer binne bedoeld om neurongedrach yn it minsklik brein te simulearjen. Dan wurde "WDM" sinjalen ferwurke fia filters mei kontinu-wearde neamd "microring (MRR) gewicht banken" en dan elektrysk gearfette yn in mjitten totale macht detection wearde. De net-lineariteit fan dizze lêste elektro-optyske transformaasje / berekkening is krekt de net-lineariteit dy't nedich is om neuronfunksjonaliteit te mimikjen, essensjeel foar berekkenjen ûnder neuromorphyske prinsipes. 

Yn it papier besprekke se dat dizze eksperiminteel ferifiearre elektro-optyske transformaasjedynamyk wiskundich identyk binne oan in "2-knooppunt kontinuïteit weromkommend neural netwurk" (CTRNN) model. Dizze pioniersresultaten suggerearje dat programmearynstruminten dy't binne brûkt foar CTRNN-modellen kinne wurde tapast op silisium-basearre neuromorphyske platfoarms. Dizze ûntdekking iepenet it paad foar it oanpassen fan CTRNN-metodology oan neuromorphyske silisiumfotoniken. Yn har papier dogge se krekt sa'n modeloanpassing op har "útstjoering en gewicht"-arsjitektuer. De resultaten litte sjen dat it CTRNN-model simulearre op har 49-knooppunt-arsjitektuer de neuromorphyske komputer-arsjitektuer opleveret om klassike kompjûtermodellen te prestearjen mei 3 oarders fan grutte.