Группа учёных с факультета инженерии и прикладных наук Пенсильванского университета разработала новый чип, который для выполнения сложных математических операций использует не электричество, а световые волны. Кремниево-фотонный чип можно выпускать на современном оборудовании и использовать его, например, в качестве сопроцессора для GPU в задачах, связанных с машинным обучением.

Источник изображения: ИИ-генерация Кандинский 3.0/3DNews

Учёные создали и испытали чип на операциях векторно-матричного умножения для матриц 2 × 2 и 3 × 3. Также была показана возможность работы матрицы 10 × 10. Эти примеры продемонстрировали, что предложенные методы обладают потенциалом для создания крупномасштабных аналоговых вычислительных платформ на основе световых волн, о чём учёные рассказали в статье в журнале Nature Photonics.

В основе работы лежит доказательство концепции изготовления волноводов и аморфных линз непосредственно на кремниевой пластине с помощью стандартных техпроцессов травления и обработки пластин. Традиционные методы изготовления метаструктур страдают такими ограничениями, как узкая полоса пропускания и высокая чувствительность к ошибкам изготовления. В частности, это ограничивает масштабирование подобных архитектур.

Вместо того чтобы использовать кремниевую пластину одинаковой высоты, объясняют разработчики, «вы делаете кремний тоньше, скажем, на 150 нанометров», но только в определенных областях. Эти изменения высоты без добавления каких-либо других материалов обеспечивают средство контроля над распространением света через чип, поскольку изменения высоты могут быть распределены таким образом, чтобы свет рассеивался определенным образом, позволяя чипу выполнять математические вычисления со скоростью света.

Проще говоря, в кремнии протравливаются волноводы и создаётся система линзирования, которые обеспечат прохождение светового сигнала по лабиринту волноводов с жёстко заданным алгоритмом и в зависимости от сигналов на входе получится определённый результат. Таким сопроцессором можно дооснастить обычный графический процессор, чтобы разгрузить его от энергозатратных операций векторно-матричного умножения и, таким образом, ускорить вычисления для задач искусственного интеллекта и машинного обучения.

Учёные из китайского университета Цинхуа разработали полностью аналоговый фотоэлектронный чип ACCEL, который обещает совершить революцию в задачах высокоскоростного машинного зрения. Чип, сочетающий электронные и оптические технологии, способен продемонстрировать беспрецедентную энергоэффективность и высочайшую скорость вычислений для задач машинного зрения. В этой сфере новый чип радикально превосходит современные графические процессоры.

Источник изображения: Pixabay

Традиционные процессоры обладают ограниченной скоростью вычислений и потребляют колоссальное количество энергии при решении задач машинного зрения, таких как распознавание изображений для автономного вождения, робототехники и медицинской диагностики. Эти задачи требуют обработки изображений с высоким разрешением, точной классификации и сверхнизкой задержки.

Чип ACCEL реализует преимущества развивающейся области фотонных вычислений, которые используют свет для обработки информации. Интегрируя дифракционные оптические аналоговые вычисления (OAC) и электронные аналоговые вычисления (EAC) в одном чипе, ACCEL достигает замечательной энергоэффективности и скорости вычислений.

Метод OAC использует управление световыми волнами посредством дифракции для кодирования и обработки информации. При помощи интерференционных паттернов, создаваемых светом, вычисления производятся аналоговым способом, обрабатывая данные непрерывно, а не дискретными цифровыми шагами. Метод EAC использует электронные компоненты для манипулирования непрерывными физическими величинами. Вместо работы с цифровыми сигналами в виде нулей и единиц, EAC использует постоянно меняющиеся аналоговые сигналы.

Архитектура ACCEL / Источник изображения: Tsinghua University

Оба метода дают преимущества для определённых видов вычислений и способствуют разработке задач высокоскоростного зрения.

ACCEL при обработке изображений не требует АЦП для преобразования изображения, напрямую используя для вычислений фототоки, индуцированные светом, что приводит к значительному сокращению задержек. ACCEL достигает системной энергоэффективности 74,8 пета-операций в секунду на ватт, что более чем на три порядка выше, чем у современных графических процессоров. Скорость вычислений достигает 4,6 пета-операций в секунду, при этом более 99 % вычислений выполняются оптически.

Благодаря интеграции оптоэлектронных вычислений и адаптивного обучения ACCEL достигает конкурентоспособной точности классификации объектов в различных задачах. Новый чип продемонстрировал точность 85,5 %, 82,0 % и 92,6 % для задач Fashion-MNIST, 3-классовой классификации ImageNet и задач распознавания покадрового видео соответственно. Примечательно, что ACCEL демонстрирует высокую надёжность даже в условиях низкой освещённости, что делает его пригодным для портативных устройств, автономного вождения и промышленных применения.

Сравнение скорости и энергоэффективности ACCEL с традиционными методами / Источник изображения: Tsinghua University

Сверхнизкое энергопотребление нового чипа значительно снижает тепловыделение, открывая путь дальнейшему совершенствованию и миниатюризации. В отличие от традиционных оптоэлектронных цифровых вычислительных систем, ACCEL гибко сочетает дифракционные оптические вычисления и электронные аналоговые вычисления, а его архитектура обеспечивает масштабируемость, нелинейность и высокую адаптируемость.

В исследовании, опубликованном в журнале Nature, исследователи заявили: «Разработка вычислительной системы, основанной на совершенно новом принципе, является огромной задачей. Однако ещё более важно успешно реализовать эту вычислительную архитектуру следующего поколения в реальные приложения, отвечающие важнейшим потребностям общества».

В рецензии на исследование, опубликованной в журнале Nature's Research Briefing, эксперты высказали убеждение, что «ACCEL может позволить этим архитектурам сыграть роль в нашей повседневной жизни гораздо раньше, чем ожидалось».

Всё новое — это, несомненно, хорошо забытое старое. Самым первым аналоговым вычислительным устройством является хорошо знакомая старшему поколению логарифмическая линейка.

Источник изображения: myruler.ru

Другим известным примером аналоговых вычислительных устройств является настольная аналоговая вычислительная машина МН-7, разработанная в далёком 1955 году. Она успешно решала обыкновенные дифференциальные уравнения до 6-го порядка. Не менее успешно при помощи подобных машин создавались математические модели физических процессов, что использовалось при решении задач АСУ ТП.

Источник изображения: computerra.ru

В аналоговой вычислительной машине (АВМ) мгновенному значению исходной переменной величины ставится в соответствие мгновенное значение другой величины, часто отличающейся от исходной физической природой и масштабным коэффициентом. Каждой элементарной математической операции, как правило, соответствует физический закон, устанавливающий математические зависимости между физическими величинами на выходе и входе (например, закон Ома).

Особенности представления исходных величин и построения алгоритмов предопределяют большую скорость работы АВМ и простоту программирования, но ограничивают область применения и точность получаемого результата. АВМ отличается малой универсальностью (алгоритмическая ограниченность) — при решении задач другого класса необходимо перестраивать структуру машины и число решающих элементов.

А теперь мы становимся свидетелями того, как в мире, казалось бы, победивших цифровых технологий, вновь начинают находить применение аналоговые вычисления, вышедшие на новый уровень развития.

IBM создала процессор для ИИ на аналоговой основе с низким энергопотреблением. Этот прорыв может решить проблему высокого энергопотребления, характерную для больших языковых моделей, таких как ChatGPT.

Источник изображения: ColiN00B / Pixabay

Большие языковые модели, стоящие за такими технологиями, как ChatGPT, невероятно сложны. Они содержат миллиарды вычислительных узлов и требуют множества соединений между ними. Это приводит к множественным обращениям к памяти и высокому энергопотреблению.

Один из способов решения этой проблемы — комбинирование памяти и блоков обработки данных. IBM и Intel уже разработали чипы, в которых каждому нейрону предоставляется необходимая память для выполнения своих функций. Альтернативой такому подходу является выполнение операций прямо в памяти, что было продемонстрировано с использованием фазово-изменяемой памяти (phase-change memory).

IBM продемонстрировала новый чип на основе фазово-изменяемой памяти, который ближе к функциональному процессору ИИ. В статье, опубликованной в Nature, компания показала, что её аппаратное обеспечение может выполнять распознавание речи с приемлемой точностью и значительно меньшим энергопотреблением.

Фазово-изменяемая память находится в разработке уже довольно долго. Она сочетает в себе долговечность флеш-памяти и производительность, сравнимую с существующей оперативной памятью. Эта память работает на основе нагрева небольшого участка материала и контроля скорости его охлаждения.

Такое поведение оказалось идеальным для нейронных сетей. В нейронных сетях каждый узел получает входной сигнал и, основываясь на своём состоянии, определяет, сколько этого сигнала передать дальше. Благодаря свойствам фазово-изменяемой памяти, эту силу можно представить в виде отдельного бита памяти, работающего в аналоговом режиме.

Когда мы сохраняем информацию, она использует два основных состояния — включено и выключено. Эти состояния созданы таким образом, чтобы минимизировать ошибки при сохранении данных. Однако интересно то, что мы можем настроить эту память так, чтобы она принимала любое промежуточное значение между «включено» и «выключено», создавая аналоговое поведение.

Это похоже на регулировку громкости музыки — от низкой до высокой, где каждый уровень громкости представляет собой плавный градиент потенциальных значений. Таким образом, мы можем использовать эти промежуточные значения для отображения разной «силы» или важности связей в нейронных сетях.

IBM уже демонстрировала эффективность этого подхода. Однако описанный чип гораздо ближе к функциональному процессору. Он содержит всю необходимую начинку для соединения отдельных узлов и работает на масштабе, приближенном к большим языковым моделям.

Основным компонентом нового чипа является так называемая плитка — это массив крестовин (представьте себе квадратную сетку) из отдельных битов фазово-изменяемой памяти размером 512 на 2 048 единиц. Каждый чип содержит 34 таких плитки, что равно примерно 35 млн бит фазово-изменяемой памяти.

Гибкость работы процессора позволяет контролировать силу любого соединения переменным числом битов. Кроме того, возможна коммуникация между чипами, что позволяет разделять большие задачи между несколькими чипами.

Для демонстрации работы исследователи использовали процессор для распознавания речи. В результате он смог выполнить 12,4 трлн операций на каждый ватт потребляемой мощности на пике своей производительности. Это во много раз меньше, чем потребляемая мощность традиционного процессора для выполнения эквивалентных операций.

Однако стоит отметить, что он оптимизирован для работы только с определённым типом нейронных сетей. Также он не очень подходит для обучения ИИ, и процесс обучения нейронной сети должен быть адаптирован под этот процессор. Несмотря на то, что этот процессор не является универсальным для ИИ, он предлагает значительное снижение энергопотребления.

Исследовательское подразделение Microsoft представило первый в мире аналоговый оптический компьютер для решения практических задач. Для этого компания объединилась с банком Barclays, чтобы продемонстрировать использование необычного компьютера в повседневной жизни. Один из узлов компьютера оперирует непрерывными (аналоговыми) данными в виде пучков света и этому на самом деле нет аналогов. Это даже лучше квантовых компьютеров, уверяют в Microsoft.

Источник изображений: Microsoft

Представленный компанией аналоговый оптический компьютер предназначен для решения задач оптимизации и не может считаться универсальной вычислительной платформой. Тем не менее, его архитектура и алгоритмы могут быть задействованы в других сферах, если там присутствует обработка больших потоков данных с необходимостью выполнять множество векторно-матричных умножений или сложений. Оптический блок или аналоговое ядро установки выполняет только такие операции, но делает это молниеносно и без промежуточного перевода данных в двоичную систему.

Классическим примером задач комбинаторной оптимизации, которые решает установка Microsoft AIM (Analog Iterative Machine) — это так называемая задача коммивояжёра. Для решения такой задачи необходимо найти самый выгодный маршрут, проходящий через указанные города хотя бы по одному разу с последующим возвратом в исходный город. Квантовые платформы и алгоритмы на основе квантового отжига также хорошо решают такие задачи, но платформа Microsoft обещает делать это проще и в масштабах небольшой компьютерной стойки без всего этого интерфейсного ужаса, который окружает типичную квантовую платформу.

Идея Microsoft заключается в следующем. Есть источник данных. Да, хоть обычный компьютер и даже множество компьютеров. Данные преобразуются в лучи света, интенсивность которых будет зависеть от исходной информации. Свет от множества источников с высочайшим параллелизмом направляется на матрицу, каждая ячейка которой модулирует лучи в соответствии с выбранным алгоритмом. В этом процессе происходит аналоговое преобразование света, которое эквивалентно векторно-матричным действиям (умножению или сложению) в двоичной системе. Результат — свет определённой интенсивности или цвета — считывается датчиком изображения в каждом «окошке» матрицы и легко переводится в цифру для дальнейшей обработки или выдачи результата.

На примере сотрудничества с банком Barclays команда Microsoft показала, что её система успешно решает проблемы оптимизации при обработке банковских транзакций, что делает машину AIM заманчивым решением для финансовых рынков. Оптические чипы в составе системы сантиметрового масштаба, а вся платформа помещается в стандартную серверную стойку, поэтому её можно установить в любом учреждении.

Добавим, о принципе работы и преимуществах AIM компания рассказала чуть меньше года назад. Видео выше.

Учёные из Австралии — Иван Максимов и Андрей Потоцкий — представили прототип «резервуарного» компьютера, который производит вычисления в ёмкости с водой. Поведение волн на воде подчинено строгим физическим законам и ведёт к прогнозируемому результату. Это чистый аналоговый компьютер, который способен выполнять ряд задач быстрее и точнее любой цифровой платформы.

Источник изображения: Pixabay

Исследователи поддержали прототип эффективной математической моделью (в её основу были положены элементы работы нейронных сетей), о чём рассказали в соответствующей научной статье. Конструктивно прототип «резервуарного» компьютера представляет собой длинную ёмкость с проточной водой. Роль входного контура играет помпа, которая создаёт волны на поверхности текущей воды. Отметим, учёных заинтересовала не обычная волна, которая быстро теряет силу, и вода успокаивается, а структурно устойчивая уединённая волна, распространяющаяся в нелинейной среде — так называемый солитон.

Представленный прототип показал, что аналоговая волновая платформа способна запоминать как упорядоченные, так и случайные входные данные, и демонстрировала обработку входных данных в соответствии с поставленной задачей. В ряде случаев выданный резервуаром результат по точности превосходил аналогичные вычисления, проведённые на классических цифровых компьютерах.

Для повышения точности считывания амплитуды и рисунка волн учёные добавили в воду флуоресцентный состав. В перспективе они намерены разработать «водяной» микропроцессор, который мог бы работать на принципе сталкивания волн в резервуаре, но на микроуровне и в защищённом виде подобно классическому микрочипу. Ожидается, что аналоговые «резервуарные» компьютеры ускорят расчёты в климатологии, социологии, в биржевом секторе и там, где прогнозирование зависит от множества входящих факторов и носит вероятностный характер. Возможно, для него найдутся другие не менее интересные варианты использования.

Аналоговые компьютеры уходят своими корнями в античность. Пик своего развития они прошли с 40-х по 60-е годы XX века, после чего уступили место «цифре». Сегодня аналоговые вычислители снова начинают бросать вызов цифровым решениям в нейроморфных, квантовых и других приложениях и, как оказалось, могут оказаться намного производительнее в процессе крайне сложных математических расчётов.

Источник изображения: Pixabay

Так, в журнале Nature Nanotechnology вышла статья исследователей из института AMOLF, Университета Пенсильвании и Городского университета Нью-Йорка (CUNY), в которой они рассказали о создании наноструктурированной поверхности, которая может решать уравнения с помощью света.

Фактически речь идёт о создании оптических метаповерхностей, падение света на которые (и его отражение) происходит по обычным законам оптики по заранее физически вшитой функции. Этот метод нельзя поставить в один ряд с цифровыми системами для решения любых задач, но для выполнения специфических и математически сложных алгоритмов все очень и очень перспективно.

Цифровые архитектуры в лице процессоров больше не обещают взрывной рост производительности и такой же рост энергоэффективности, что часто формулируют в такой лаконичной форме, как «закон Мура мёртв». Переход на оптические сигналы и структурированные метаповерхности решает обе проблемы: он повысит скорость вычислений за счёт работы света в наноразмерных оптических структурах и снизит энергопотребление по причине отсутствия выделения тепла в ходе расчётов.

Идея подобных вычислений проста. В тончайшем прозрачном слое материи создаются прозрачные области и определённый наномасштабный рельеф под ними. Просто проходя сквозь слой и отражаясь от него свет выполняет расчёт по заданной формуле. Исследователи показали, что таким образом, например, можно обрабатывать изображения. И если обычные компьютеры тратят на такие операции множество циклов, особенно, если в процесс включена обработка матриц, то оптические системы производят вычисления за один цикл.

Источник изображения: Nature Nanotechnology

Один из ведущих авторов работы сказал: «Мы продемонстрировали новый мощный альянс между нанотехнологиями и аналоговыми вычислениями, который может проложить путь к созданию гибридных оптических и электронных вычислительных схем. Дальнейшее развитие наших идей приведет к решению задач повышенной сложности со скоростью и эффективностью, которые ранее были немыслимы».

Данные берутся из публикации Искусственный интеллект: аналоговые вычислители побеждают

По информации Минцифры в некоторых регионах России решено продлить аналоговое вещание отдельных телеканалов регионального и муниципального уровней. Ожидается, что это позволит избежать создания трудностей для ряда граждан, привыкших смотреть контент подобного рода.

Источник изображения: Francisco Andreotti/unsplash.com

По данным РИА «Новости» в отдельных субъектах вещание продолжится в аналоговом формате — речь идёт о компаниях, не входящих в первый и второй мультиплекс. Как сообщает агентство, мультиплекс представляет собой пакет теле- или радиоканалов, трансляция которых осуществляется одним передатчиком. Данные трансляции не предполагают какой-либо абонентской платы. Известно, что первый мультиплекс запущен в стране в 2009 году, второй — в 2019 году.

Аналоговое вещание не требует подключения к старым телевизорам дополнительного оборудования. При этом в Минцифры напоминают, что в целом переход на цифровое вещание завершился в стране ещё в 2019 году.

«Для того, чтобы не выключать вещание и не доставлять гражданам, привыкшим их смотреть, неудобства, принято решение продлить срок вещания таких каналов ещё на год», — сообщается в Telegram-канале Минцифры. О каких именно регионах идёт речь, будет объявлено позже.

Минцифры планирует ещё на год, до августа 2023 года, продлить возможность использования радиочастот 175–230 МГц и 470–790 МГц на радиопередающих устройствах аналогового ТВ. Ранее ведомство предполагало выделить частоты в диапазоне 694–790 МГц, освободившиеся благодаря переходу на цифровое ТВ, мобильным операторам для развития связи 5G. Этот вопрос будет рассматриваться 27 июня на заседании Государственной комиссии по радиочастотам (ГКРЧ), с повесткой которого ознакомился «Коммерсантъ».

Источник изображения: Pixabay

Мобильным операторам выделили спектры 720–750 МГц и 761–791 МГц ещё в 2012 году, но до сих пор они не могут использовать эти частоты, так как их занимают ФГУП «Российская телевизионная и радиовещательная сеть» (РТРС) и воздушная радионавигация.

По данным РТРС на ноябрь 2021 года, сейчас работает порядка 500 аналоговых передатчиков федеральных ТВ-каналов, которые предполагается отключить к августу 2022 года. В Минцифры не исключают, что и дальше продлят лицензии на использование частот в диапазоне 700 МГц в интересах региональных телеканалов, поскольку «на развитие 5G это не влияет». В Европе это один из основных диапазонов для развития 5G, а также лицензии на его использование выданы в США, Австралии, Китае, однако в России из-за западных санкций работа на этом направлении затормозилась.

После прекращения в марте поставок зарубежного оборудования в страну «Ростех» направил в Минцифры новый план развития отечественного телеком-оборудования, в котором основной упор сделан не на оборудовании 5G, как раньше, а на 4G LTE. Впрочем, по словам источника «Коммерсанта», после ухода с рынка зарубежных компаний, с обеспечением операторов оборудованием для сетей LTE тоже возникли проблемы.

По словам другого источника «Коммерсанта», продление разрешения на использование частот аналоговым ТВ должно привести к отсрочке обязательств операторов по покрытию сотовой связью региональных автодорог. По оценкам гендиректора Telecom Daily Дениса Кускова, мобильной связью покрыто до 70 % федеральных трасс, а с региональными дела обстоят гораздо хуже. Помимо развития сетей вдоль федеральных и региональных трасс диапазон 700 МГц позволит обеспечить широкое покрытие связью вне крупных городов с использованием меньшего числа базовых станций, говорит Кусков. Он допустил, что из-за дефицита оборудования сейчас ставятся на паузу любые проекты по развитию сетей связи, и прорыва в этом плане не произойдёт как минимум до 2025 года.