बड़े पैमाने पर डेटासेट के कारण कृत्रिम बुद्धिमत्ता (एआई) कार्य तेजी से प्रचुर और जटिल हो गए हैं।मूर के नियम के स्थिर होने और डेनार्ड स्केलिंग के अंत के साथ, ऊर्जा की खपत आज के भारी इलेक्ट्रॉनिक गहरे तंत्रिका मॉडल के अधिक व्यापक अनुप्रयोगों के लिए एक प्रमुख बाधा बन जाती है, खासकर टर्मिनल/एज सिस्टम में।

समुदाय कृत्रिम तंत्रिका नेटवर्क (एएनएन) के इलेक्ट्रॉनिक्स-आधारित कार्यान्वयन की भौतिक बाधाओं को दूर करने के लिए अगली पीढ़ी के कंप्यूटिंग तौर-तरीकों की तलाश कर रहा है।

फोटोनिक कंप्यूटिंग इलेक्ट्रॉनिक्स की अंतर्निहित सीमाओं पर काबू पाने और ऊर्जा दक्षता, प्रसंस्करण गति और परिमाण के क्रम में कम्प्यूटेशनल थ्रूपुट में सुधार करने का एक आशाजनक अवसर रहा है।

मौजूदा इलेक्ट्रॉनिक प्रोसेसर से कहीं बेहतर प्रदर्शन के साथ मौलिक गणितीय और सिग्नल प्रोसेसिंग समस्याओं को हल करने के लिए एप्लिकेशन-विशिष्ट ऑप्टिकल आर्किटेक्चर का निर्माण करने के लिए ऐसे असाधारण गुणों का उपयोग किया गया है।

दुर्भाग्य से, मौजूदा ओएनएन "विनाशकारी भूल" से ग्रस्त हैं और अभी भी सरल वनफोल्ड कार्यों से जूझ रहे हैं।मुख्य कारण यह है कि उन्हें पारंपरिक कंप्यूटिंग प्रणालियों की व्यापक समस्या विरासत में मिली है, जो नए मॉडलों को प्रशिक्षित करने के लिए प्रवण हैं जो पहले सीखे गए ज्ञान में हस्तक्षेप करते हैं, और किसी नई चीज़ पर प्रशिक्षित होने पर पहले सीखे गए कार्यों से प्राप्त विशेषज्ञता को तेजी से भूल जाते हैं।

ऐसा दृष्टिकोण फोटोनिक कंप्यूटिंग के लिए तरंग प्रकाशिकी की विरलता और समानता में आंतरिक गुणों का पूरी तरह से दोहन करने में विफल रहता है, जिसके परिणामस्वरूप अंततः बहु-कार्य सीखने के लिए खराब नेटवर्क क्षमता और स्केलेबिलिटी होती है।

हाल ही के एक पेपर मेंप्रकाशितमेंप्रकाश: विज्ञान एवं अनुप्रयोगसिग्मा प्रयोगशाला, इलेक्ट्रॉनिक इंजीनियरिंग विभाग, सिंघुआ विश्वविद्यालय, बीजिंग, चीन के प्रोफेसर लू फैंग के नेतृत्व में वैज्ञानिकों की एक टीम और सहकर्मियों ने एल विकसित किया है²ओएनएन, एक पुन: कॉन्फ़िगर करने योग्य फोटोनिक कंप्यूटिंगवास्तुकलाआजीवन सीखने के लिए.

प्रकाश, स्थानिक विरलता और बहु-स्पेक्ट्रम समानता की अनूठी विशेषताओं को पहली बार फोटोनिक कंप्यूटिंग वास्तुकला में विकसित किया गया है, जो ओएनएन को आजीवन सीखने की क्षमता प्रदान करता है।मौजूदा ओएनएन के विपरीत, जो एएनएन संरचनाओं की नकल करने की कोशिश करते हैं, एल की फोटोनिक आजीवन सीख²ओएनएन को शुरू में फोटोनिक कंप्यूटिंग में तरंग प्रकाशिकी की कार्यात्मक और प्रदर्शन क्षमता का पूरी तरह से पता लगाने के लिए प्रकाश-पदार्थ इंटरैक्शन की भौतिक प्रकृति के अनुसार डिज़ाइन किया गया है।

प्रस्तावित आजीवन सीखने वाले ऑप्टिकल कंप्यूटिंग आर्किटेक्चर से लाभ उठाते हुए, फ्री-स्पेस और ऑन-चिप आर्किटेक्चर पर प्रयोगात्मक मूल्यांकन दर्शाते हैं कि एल²ओएनएन दृष्टि वर्गीकरण जैसे चुनौतीपूर्ण दसियों कार्यों पर अपनी असाधारण सीखने की क्षमता दिखाता है।आवाज़ पहचानऔर चिकित्सा निदान, विभिन्न नए वातावरणों का समर्थन करना।

एल²ओएनएन मौजूदा ऑप्टिकल तंत्रिका नेटवर्क की तुलना में 14 गुना अधिक क्षमता प्राप्त करता है, जिसमें प्रतिनिधि इलेक्ट्रॉनिक कृत्रिम तंत्रिका नेटवर्क की तुलना में अधिक ऊर्जा दक्षता होती है।

"मनुष्यों के पास ज्ञान को क्रमिक रूप से अवशोषित करने, सीखने और याद रखने की अद्वितीय क्षमता होती है। विशेष रूप से, न्यूरॉन्स और सिनैप्स केवल तभी काम करते हैं जब निपटने के लिए कार्य होते हैं, जिसमें दो महत्वपूर्ण तंत्र भाग लेते हैं: विरल न्यूरॉन कनेक्टिविटी और समानांतर कार्य-संचालित न्यूरोकॉग्निशन, एक साथआजीवन स्मृति समेकन और पुनर्प्राप्ति में योगदान करें।

"तदनुसार, ओएनएन में, ऑप्टिकल ऑपरेटरों की आंतरिक विरलता और समानता गुणों के आधार पर इन विशिष्ट विशेषताओं को जैविक न्यूरॉन्स से फोटोनिक न्यूरॉन्स तक स्वाभाविक रूप से बढ़ावा दिया जा सकता है।

"मानव मस्तिष्क की संरचना और कार्य का अनुकरण करने वाला एक ऑप्टिकल आर्किटेक्चर उपरोक्त मुद्दों को कम करने की अपनी क्षमता को प्रदर्शित करता है, जो एक व्यवहार्य आजीवन सीखने वाली कंप्यूटिंग प्रणाली के निर्माण में इलेक्ट्रॉनिक दृष्टिकोण की तुलना में अधिक फायदे दिखाता है।

"हमने प्रदर्शित किया है कि फोटोनिक आजीवन शिक्षण अभूतपूर्व स्केलेबिलिटी और बहुमुखी प्रतिभा के साथ बड़े पैमाने पर वास्तविक जीवन एआई अनुप्रयोगों के लिए एक टर्नकी समाधान प्रदान करता है। हम आशा करते हैं कि प्रस्तावित न्यूरोमॉर्फिक आर्किटेक्चर आधुनिक उन्नत मशीन के लिए महत्वपूर्ण समर्थन के रूप में अधिक शक्तिशाली फोटोनिक कंप्यूटिंग के विकास को गति देगा।बुद्धिमत्ता और एआई के एक नए युग की शुरुआत की ओर," वैज्ञानिकों ने कहा।

द्वारा उपलब्ध कराया गयाट्रांसस्प्रेड