Supercomputing жетишкендиктери: нейроморфтук оптикалык тармактарды колдонуу

Акыркы бир нече он жылдыкта бир кездеги белгилүү жана так тенденция, 1965-жылы IBM компаниясынан Гордон Мур тарабынан алдын ала айтылган Мур мыйзамы, азыр акырындык менен компьютердин иштешинин күчүн жоготкон өлчөмгө айланууда. Мурдун мыйзамы болжол менен эки жыл сайын интегралдык микросхемадагы транзисторлордун саны эки эсеге көбөйүп, ошол эле көлөмдөгү мейкиндикте транзисторлордун саны көбөйүп, эсептөөлөр көбөйүп, ошону менен компьютердин иштешине алып келерин айткан. 2005-жылдын апрелинде, Гордон Мур өзү берген интервьюсунда анын проекциясы мындан ары туруктуу болбой калат деп айткан: “[Транзисторлордун] өлчөмү боюнча биз негизги тоскоолдук болуп саналган атомдордун өлчөмүнө жакындап калганыбызды көрүүгө болот, бирок Биз буга чейин эки же үч муун өтөт, бирок бул биз эч качан көрө албагандай алыс. Бизде негизги чекке жеткенге чейин дагы 10-20 жыл бар».   

Мурдун мыйзамы кээ бир туюкка кептелиши мүмкүн болсо да, эсептөөнүн башка көрсөткүчтөрү колдонууга жөндөмдүүлүгүнүн өсүшүн көрүүдө. Күнүмдүк жашообузда колдонгон технология менен биз баарыбыз компьютерлердин кичирейип, кичирейип бараткан тенденцияларын көрө алабыз, бирок ошондой эле аппараттын батарейкалары дагы узагыраак жана узагыраак иштейт. Батареяларга байланыштуу акыркы тенденция Стэнфорд университетинин профессору Джонатан Кумейдин аты менен аталган Кумей мыйзамы деп аталат. Кумейдин мыйзамы "... белгиленген эсептөө жүктөмүндө сизге керек болгон батареянын көлөмү бир жарым жыл сайын эки эсеге азаят" деп болжолдойт. Демек, электрондук энергия керектөө же компьютерлердин энергиянын натыйжалуулугу болжол менен ар бир 18 айда эки эсе көбөйүүдө. Демек, бул тенденциялар жана өзгөрүүлөрдүн баары компьютердин келечегин көрсөтүп, ачып берип жатат.

Эсептөөнүн келечеги

Биз тарыхта бир нече ондогон жылдар мурун болжолдонгон тенденциялар жана мыйзамдар колдонулбай калгандыктан, эсептөөнү кайра аныктоого туура келген учурга келдик. Ошондой эле, эсептөөлөр нано жана кванттык масштабдарды көздөй жылган сайын, физикалык чектөөлөр жана кыйынчылыктар бар. Балким, суперкомпьютингдеги эң көрүнүктүү аракет, кванттык эсептөөдө, параллелдүү эсептөөлөр үчүн кванттык түйшүктү чындап колдонуу, башкача айтканда, кванттык декогеренцияга чейин эсептөөлөрдү жүргүзүү ачык кыйынчылыкка ээ. Бирок, кванттык эсептөөлөрдөгү кыйынчылыктарга карабастан, акыркы бир нече ондогон жылдар ичинде көп жылыштар болду. Кванттык эсептөөдө колдонулган салттуу Джон фон Нейман компьютер архитектурасынын моделдерин табууга болот. Бирок фон Неймандын салттуу архитектурасына баш ийбеген нейроморфтук эсептөө деп аталган (супер)компьютерлердин дагы бир белгилүү чөйрөсү бар. 

Нейроморфтук эсептөөнү Калтехтин профессору Карвер Мид 1990-жылы өзүнүн негизги макаласында элестеткен. Негизинен, нейроморфтук эсептөөнүн принциптери адамдын мээси эсептөөдө колдонот деп ойлогондор сыяктуу иш-аракеттин теорияланган биологиялык принциптерине негизделген. Нейроморфтук эсептөө теориясы менен классикалык фон Неймандын эсептөө теориясынын ортосундагы кыска айырмачылык Дон Монронун макаласында жалпыланган. Эсептөө техникасы ассоциациясы журнал. Билдирме мындайча айтылат: «Салттуу фон Нейман архитектурасында күчтүү логикалык өзөк (же бир нече параллелдүү) эстутумдан алынган маалыматтарда ырааттуу түрдө иштейт. Ал эми, "нейроморфтук" эсептөөлөр эсептөөнү да, эстутумду да салыштырмалуу примитивдүү "нейрондордун" арасында бөлүштүрөт, алардын ар бири "синапстар" аркылуу жүздөгөн же миңдеген башка нейрондор менен байланышат.  

Нейроморфтук эсептөөнүн башка негизги өзгөчөлүктөрүнө адамдын мээсинин нейрондорду жоготуп, дагы эле иштей ала турган жөндөмүн моделдөө максатын көздөгөн ката чыдамсыздык кирет. Ошо сыяктуу эле, салттуу эсептөөдө бир транзистордун жоголушу туура иштешине таасирин тийгизет. Нейроморфтук эсептөөнүн дагы бир болжолдонгон жана максаттуу артыкчылыгы - программалоонун кереги жок; Бул акыркы максат дагы адамдын мээсинин сигналдарды үйрөнүү, жооп берүү жана көнүү жөндөмдүүлүгүн моделдөө. Ошентип, нейроморфтук эсептөө учурда машинаны үйрөнүү жана жасалма интеллект тапшырмалары үчүн эң мыкты талапкер. 

Нейроморфтук суперкомпьютингдин жетишкендиктери

Бул макаланын калган бөлүгү нейроморфтук суперкомпьютингдин жетишкендиктерин карайт. Тактап айтканда, жакында жарыяланган Arxiv боюнча изилдөө Александр Таит et. ал. Принстон университети көрсөткөндөй, кремнийге негизделген фотоникалык нейрондук тармактын модели кадимки эсептөө ыкмасынан дээрлик 2000 эсеге ашат. Эсептөөнүн бул нейроморфтук фотоникалык платформасы маалыматтын өтө тез иштетилишине алып келиши мүмкүн. 

The Tait et. ал. деген аталыштагы кагаз Нейроморфтук кремний фотоникасы Эсептөө үчүн электромагниттик нурлануунун фотондук жарык формасын колдонуунун жакшы жана жаман жактарын сүрөттөп баштайт. Кагаздын алгачкы негизги пункттары жарык маалыматты трансформациялоо үчүн, башкача айтканда, санариптик оптикалык эсептөөлөр үчүн эмес, маалыматты берүү үчүн кеңири колдонулгандыгы. Ошо сыяктуу эле, кванттык эсептөө үчүн, санариптик оптикалык эсептөө үчүн негизги физикалык кыйынчылыктар бар. Андан кийин кагаз мурда сунушталган нейроморфтук фотоникалык эсептөө платформасынын Tait et. ал. деген аталыш менен 2014-жылы жарык көргөн команда Берүү жана салмак: масштабдалуучу фотоникалык спике иштетүү үчүн интеграцияланган тармак. Алардын жаңы кагазы интеграцияланган фотоникалык нейрон тармагынын биринчи эксперименталдык демонстрациясынын жыйынтыктарын сүрөттөйт. 

"Эфир жана салмак" эсептөө архитектурасында "түйүндөргө" уникалдуу "толкун узундугун алып жүрүүчү" ыйгарылат, ал "толкун узундугун мультиплексирлөө (WDM)" жана андан кийин башка "түйүндөргө" таратылат. Бул архитектурадагы "түйүндөр" адамдын мээсинде нейрондун жүрүм-турумун окшоштурууга арналган. Андан кийин "WDM" сигналдары "микроринг (MRR) салмак банктары" деп аталган үзгүлтүксүз бааланган чыпкалар аркылуу иштетилет жана андан кийин электрдик түрдө өлчөнгөн жалпы кубаттуулукту аныктоо маанисине кошулат. Бул акыркы электро-оптикалык трансформациянын/эсептөөнүн сызыктуу эместиги нейроморфтук принциптер боюнча эсептөө үчүн зарыл болгон нейрондун функционалдуулугун тууроо үчүн талап кылынган сызыктуу эместик. 

Документте алар эксперименталдык жактан тастыкталган электро-оптикалык трансформация динамикасы математикалык жактан "2 түйүндүү үзгүлтүксүз убакыт кайталануучу нейрондук тармак" (CTRNN) моделине окшош экендигин талкуулашат. Бул пионердик натыйжалар CTRNN моделдери үчүн колдонулган программалоо куралдарын кремнийге негизделген нейроморфтук платформаларга колдонсо болорун көрсөтүп турат. Бул ачылыш CTRNN методологиясын нейроморфтук кремний фотоникасына ылайыкташтырууга жол ачат. Алардын кагазында, алар "эфир жана салмак" архитектурасына дал ушундай моделди ылайыкташтырышат. Натыйжалар көрсөткөндөй, алардын 49 түйүндүү архитектурасына окшоштурулган CTRNN модели нейроморфтук эсептөө архитектурасын классикалык эсептөө моделдеринен 3 даражага ашып берет.