login LOGIN
CHIUDI chiudi
Il mio profilo

mostra
Hai dimenticato la password?
Inserisci l'indirizzo email di registrazione per reimpostare la password.
Segui le istruzioni che ti abbiamo inviato per posta elettronica.

Aumentare la capacità di calcolo dei processori con la luce

Un acceleratore di rete neurale convoluzionale ottica per una intelligenza artificiale ancora più evoluta e veloce: la luce aumenta la capacità di calcolo dei processori

processore

Elaborare una grande quantità di informazioni, dell’ordine dei petabyte per secondo, utilizzando le proprietà della luce. Per farlo i ricercatori hanno progettato e sviluppato un acceleratore di rete neurale convoluzionale ottica, che apre a una nuova era di processori con capacità di calcolo senza precedenti. Il risultato è stato pubblicato sulla rivista scientifica Optica e si deve ai ricercatori della George Washington University che hanno collaborato con i colleghi dell'Università della California e la startup deep-tech Optelligence LLC. L’innovativa tecnologia consentirà di sviluppare intelligenze artificiali ancora più potenti, con l’implementazione del machine learning che trova numerose nuove applicazioni in diversi settori: dalle auto a guida autonoma e le reti 5G, ai data center, dalla sicurezza informatica e dei dati alla diagnostica biomedica.

Perché aumentare la capacità di calcolo dei processori?

processore luceIntelligenza artificiale e machine learning stanno rivoluzionando il nostro mondo, mettendone a nudo continuamente e costantemente i limiti tecnologici. La domanda di hardware che supporti il machine learning è aumentata a livello globale, richiedendo performance sempre più alte. In particolare l'hardware, come le unità di elaborazione grafica e gli acceleratori di unità di elaborazione del tensore (entità matematica complessa utilizzata anche nei processi di intelligenza artificiale), deve far fronte a un problema intrinseco legato all’elaborazione dei dati ad alte velocità: i ritardi nel calcolo dovuti al cablaggio e ai vincoli imposti dagli attuali circuiti elettronici.

Per questo motivo, la ricerca scientifica si orienta verso nuovi dispositivi e tecnologie per poter velocizzare e potenziare i processori, concentrandosi sulle alternative ottiche all’hardware elettronico. Anche il machine learning basto su tecnologia fotonica, però, ad oggi presenta dei limiti, che riguardano in particolare il numero di componenti che possono essere posizionati sui circuiti integrati fotonici, andando a diminuire l’interconnettività, mentre i modulatori di luce nello spazio sono vincolati da velocità di programmazione lente. L’acceleratore di rete neurale convoluzionale ottico sviluppato dal team di ricercatori statunitensi sfrutta quindi le proprietà della luce per poter aumentare la capacità di calcolo dei processori.

La luce per accelerare l’intelligenza artificiale

processore luceI ricercatori della George Washington University hanno coordinato i colleghi dell'Università della California e della startup deep-tech Optelligence LLC per comprendere come utilizzare l’ottica per migliorare i sistemi di machine learning. Nel dettaglio è stato sviluppato un acceleratore di rete neurale convoluzionale ottico, cioè utilizzando dei modulatori di luce laser attraverso la tecnologia degli specchi digitali, si è riusciti a sfruttare le proprietà del fascio di luce per realizzare un sistema oltre 100 volte più veloce rispetto ai prototipi precedenti.

I Tech-Quiz di Mister Plus

0/ 0
Risposte corrette
0' 0"
Tempo impiegato
Vai alla classifica

Sfruttando le leggi dell’ottica di Fourier, i ricercatori hanno realizzato un prototipo di processore che utilizza le serie di Fourier come filtro di frequenza in modo da far eseguire al laser le convoluzioni necessarie della rete neurale in modo molto più semplice grazie agli specchi digitali. Volker Sorger, professore associato di ingegneria elettronica e informatica della George Washington University, ha spiegato: “Questo processore ottico di Fourier inaugura una nuova era per l'elaborazione delle informazioni e il machine learning. Abbiamo dimostrato che l'addestramento di questa rete neurale può spiegare la mancanza di informazioni di fase”. In questo modo si è ottenuto un vero e proprio processore che consente di combinare a una programmabilità rapida a anche una parallelizzazione massiccia. Le prestazioni di questo sistema di machine learning ottico si sono dimostrate di molto superiori a quelle delle unità di elaborazione grafica top di gamma di oltre un ordine di grandezza.

Processore potenziato dalla luce: le applicazioni future

processore lucePuneet Gupta, professore e vicepresidente di ingegneria informatica presso l'Università della California, Los Angeles, spiega: “L'ottica consente di elaborare matrici su larga scala in un unico passaggio temporale, il che consente nuovi vettori di ridimensionamento per eseguire le convoluzioni ottiche. Il nostro risultato dimostra che questo prototipo ha un potenziale significativo per le applicazioni nel machine learning”.  Proprio nella non iteratività del processore si cela la svolta per superare i limiti imposti dall’hardware elettronico, che è solo un prototipo iniziale con spazio per future e migliori ottimizzazioni. Hamed Dalir, co-fondatore della startup Optellingence LLC, sottolinea come il prototipo del nuovo processore apre a una serie di applicazioni tra cui l’elaborazione delle reti, ad esempio per le reti 5G, i data center e i sistemi di elaborazione ad alte prestazioni.

A cura di Cultur-e
Addestramento IA non consentito: É assolutamente vietato l’utilizzo del contenuto di questa pubblicazione, in qualsiasi forma o modalità, per addestrare sistemi e piattaforme di intelligenza artificiale generativa. I contenuti sono coperti da copyright.
Whatsapp
Segui le ultime notizie sul nostro canale Whatsapp
Immagine principale del blocco
Segui le ultime notizie sul nostro canale Whatsapp
Fda gratis svg
Iscriviti al canale gratuito

Iscriviti
all'area personale

Per ricevere Newsletter, scaricare eBook, creare playlist vocali e accedere ai corsi della Fastweb Digital Academy a te dedicati.