Le reti neurali profonde, cuore pulsante delle applicazioni di machine learning più avanzate, stanno diventando sempre più complesse, mettendo a dura prova le capacità dell’hardware elettronico tradizionale. Per superare questi limiti, un gruppo di ricercatori del MIT ha sviluppato un chip fotonico in grado di eseguire calcoli con la luce, un’innovazione che promette maggiore velocità ed efficienza energetica.
Dal MIT un chip fotonico veloce e scalabile
Le reti neurali profonde elaborano diverse tipologie di operazioni. E tra le più importanti ci sono le cosiddette operazioni non lineari, che però richiedono in generale il passaggio all’hardware elettronico, rendendo così l’intero processo ancora più lungo e laborioso.
Grazie a un decennio di ricerca, il team del MIT ha superato questo limite progettando un’unità di funzione ottica non lineare (NOFU), un dispositivo che combina componenti elettronici e ottici per gestire le operazioni non lineari direttamente sul chip.
Ma come funziona? In pratica dopo aver eseguito i calcoli lineari, il dispositivo devia una piccola quantità di luce verso dei fotodiodi che la convertono in corrente elettrica per le operazioni non lineari. Questo approccio permette al sistema di mantenere quasi interamente il flusso di calcolo nel dominio ottico, riducendo drasticamente il consumo energetico e i tempi di elaborazione.
Come riporta la ricerca pubblicata sulla rivista Nature Photonics, grazie a questo sistema il chip è in grado di completare i calcoli richiesti da una rete neurale profonda in meno di mezzo nanosecondo, raggiungendo un’accuratezza superiore al 92%. Inoltre il chip è realizzabile attraverso processi di fonderia standard CMOS, dimostrando a sua volta un’alta scalabilità per la produzione industriale.
Applicazioni future nel machine learning e oltre
Le implicazioni di questa tecnologia si estendono ben oltre il machine learning. Il chip fotonico potrebbe trovare applicazione in settori come la ricerca scientifica, per l’elaborazione di dati complessi in astronomia o fisica delle particelle, o nei sistemi LIDAR per la guida autonoma. Inoltre, la sua efficienza energetica lo rende ideale per dispositivi che operano in ambienti con risorse limitate.
Riferisce il MIT in una nota, gli sviluppatori stanno già lavorando su nuovi algoritmi che possano sfruttare appieno i vantaggi dell’elaborazione ottica, migliorando ulteriormente velocità ed efficienza.
