2024-08-06 スイス連邦工科大学ローザンヌ校(EPFL)
デジタル人工知能（AI）システムの規模と影響力が増すにつれ、これらのシステムの訓練と展開に必要なエネルギーとそれに伴う二酸化炭素排出量も増加しています。最近の研究では、現在のペースでAIサーバーが生産され続けると、2027年までにその年間エネルギー消費が小国を上回る可能性があることが示されています。深層ニューラルネットワークは特に電力消費が多く、そのエネルギー需要を抑えるために、光コンピューティングシステムが注目されています。
◆EPFLの研究チームは、光コンピューティングを用いた新しい方法を開発し、この方法は最新のデジタルネットワークに比べて最大1000倍の電力効率を持つと報告しています。この方法では、低出力レーザービームの空間変調を利用し、画像のピクセルを非線形に変換します。この成果は、ハイブリッド電子-光システムのエネルギー消費を軽減する可能性を示しています。
＜関連情報＞
- https://actu.epfl.ch/news/engineers-bring-efficient-optical-neural-network-2/
- https://www.nature.com/articles/s41566-024-01494-z
線形光学系による非線形処理 Nonlinear processing with linear optics
Mustafa Yildirim,Niyazi Ulas Dinc,Ilker Oguz,Demetri Psaltis & Christophe Moser
Nature Photonics Published:31 July 2024
DOI:https://doi.org/10.1038/s41566-024-01494-z
Abstract
Deep neural networks have achieved remarkable breakthroughs by leveraging multiple layers of data processing to extract hidden representations, albeit at the cost of large electronic computing power. To enhance energy efficiency and speed, the optical implementation of neural networks aims to harness the advantages of optical bandwidth and the energy efficiency of optical interconnections. In the absence of low-power optical nonlinearities, the challenge in the implementation of multilayer optical networks lies in realizing multiple optical layers without resorting to electronic components. Here we present a novel framework that uses multiple scattering, and which is capable of synthesizing programmable linear and nonlinear transformations concurrently at low optical power by leveraging the nonlinear relationship between the scattering potential, represented by data, and the scattered field. Theoretical and experimental investigations show that repeating the data by multiple scattering enables nonlinear optical computing with low-power continuous-wave light. Moreover, we empirically find that scaling of this optical framework follows a power law.
