포토닉 칩에 '학습' 가르치기
날짜:
2022년 11월 22일
원천:
조지워싱턴대학교
요약:
여러 기관의 연구팀이 기계 학습 하드웨어를 훈련시킬 수 있는 광학 칩을 개발했습니다.
여러 기관의 연구팀이 기계 학습 하드웨어를 훈련시킬 수 있는 광학 칩을 개발했습니다.
맥킨지(McKinsey)의 최근 보고서에 따르면 기계 학습 애플리케이션은 연간 1650억 달러로 급증했습니다. 그러나 기계가 이미지의 세부 사항을 인식하는 것과 같은 인텔리전스 작업을 수행하려면 먼저 훈련을 받아야 합니다. Tesla의 자동 조종 장치와 같은 현대 인공 지능(AI) 시스템의 교육에는 수백만 달러의 전력 소비가 필요하며 슈퍼 컴퓨터와 같은 인프라가 필요합니다. 이렇게 급증하는 AI "식욕"은 컴퓨터 하드웨어와 AI 수요 사이에 점점 더 벌어지는 격차를 만듭니다. 광자 집적 회로 또는 단순히 광학 칩은 사용된 와트당 초당 수행되는 작업 수 또는 TOPS/W로 측정할 때 더 높은 컴퓨팅 성능을 제공할 수 있는 가능한 솔루션으로 등장했습니다. 그러나 그들은 '
기계 학습은 2단계 절차입니다. 먼저 데이터를 사용하여 시스템을 교육하고 다른 데이터를 사용하여 AI 시스템의 성능을 테스트합니다. 새로운 논문에서 조지워싱턴대학교, 퀸즈대학교, 브리티시컬럼비아대학교, 프린스턴대학교의 연구팀은 바로 그 일을 시작했습니다. 한 번의 교육 단계 후 팀은 오류를 관찰하고 두 번째 교육 주기에 대한 하드웨어를 재구성한 다음 충분한 AI 성능에 도달할 때까지(예: 시스템이 영화에 나오는 개체에 올바르게 레이블을 지정할 수 있음) 추가 교육 주기를 수행했습니다. 지금까지 광자 칩은 데이터에서 정보를 분류하고 추론하는 능력만 입증했습니다. 이제 연구원들은 훈련 단계 자체의 속도를 높일 수 있게 만들었습니다.
이 추가된 AI 기능은 기계 학습 및 AI 애플리케이션을 위해 광자 칩 제조를 활용하는 광자 텐서 코어 및 기타 전자-광자 주문형 집적 회로(ASIC)에 대한 더 큰 노력의 일부입니다.
"이 새로운 하드웨어는 기계 학습 시스템의 교육 속도를 높이고 포토닉스와 전자 칩이 제공해야 하는 최고의 기능을 활용할 것입니다. 이는 AI 하드웨어 가속을 위한 주요 도약입니다. 이것이 반도체에서 우리가 필요로 하는 발전입니다. 최근에 통과된 CHIPS 법에 의해 강조된 바와 같이 업계."
-Volker Sorger, George Washington University의 전기 및 컴퓨터 공학 교수이자 스타트업 회사인 Optelligence의 설립자.
"AI 시스템 교육에는 상당한 양의 에너지와 탄소 발자국이 필요합니다. 예를 들어 단일 AI 변압기는 평생 동안 휘발유 자동차가 소비하는 전기의 약 5배에 달하는 CO 2 를 소비합니다. 광자 칩에 대한 우리의 교육은 이 오버헤드를 줄이십시오."
-Bhavin Shastri, 퀸즈 대학교 물리학과 조교수
출처 : https://www.sciencedaily.com/