인공지능은 암 진단부터 새로운 항생제 개발에 이르기까지 생명공학과 의료 절차를 발전시키는 데 중추적인 역할을 합니다.그러나 대규모 AI 시스템의 생태학적 발자국은 상당합니다.예를 들어, ChatGPT-3과 같은 광범위한 언어 모델을 훈련하려면 수 기가와트시의 에너지가 필요합니다. 이는 평균 원자력 발전소를 몇 시간 동안 최대 용량으로 가동할 수 있는 충분한 양입니다.

예나(Jena)에 위치한 Leibniz IPHT의 Mario Chemnitz 교수와 Bennet Fischer 박사는 국제 팀과 협력하여 광범위한 전자 인프라가 필요 없는 잠재적으로 에너지 효율적인 컴퓨팅 시스템을 개발하는 혁신적인 방법을 고안했습니다.

그들은 광섬유 내에서 광파의 독특한 상호 작용을 활용하여 고급 인공 학습 시스템을 구축합니다.수천 개의 정보가 포함된 컴퓨터 칩에 의존하는 기존 시스템과 달리전자 부품, 그들의 시스템은 단일 광섬유를 사용합니다.

이 섬유는 빛의 속도로 다양한 신경망의 작업을 수행할 수 있습니다.Leibniz IPHT의 "Smart Photonics" 주니어 연구 그룹 리더인 Mario Chemnitz는 "우리는 단일 광섬유를 활용하여 수많은 신경망의 계산 능력을 모방합니다."라고 설명합니다."빛의 고유한 물리적 특성을 활용함으로써 이 시스템은 미래에 방대한 양의 데이터를 빠르고 효율적으로 처리할 수 있게 될 것입니다."

역학을 탐구하면 방법이 드러납니다.정보 전달빛 주파수의 혼합을 통해 발생합니다. 데이터(이미지의 픽셀 값 또는 오디오 트랙의 주파수 구성 요소)가 초단파 광 펄스의 색상 채널에 인코딩되는지 여부입니다.

이러한 펄스는 다양한 조합, 증폭 또는 감쇠를 거쳐 광섬유를 통해 정보를 전달합니다.섬유의 출력에서 ​​새로운 색상 조합이 출현하면 데이터 유형이나 상황을 예측할 수 있습니다.예를 들어, 특정 색상 채널은 이미지에 보이는 개체나 음성에 있는 질병의 징후를 나타낼 수 있습니다.

기계 학습의 대표적인 예는 수천 개의 손으로 쓴 문자에서 서로 다른 숫자를 식별하는 것입니다.퀘벡에 있는 INRS(Institut National de la Recherche Scientifique)의 Mario Chemnitz, Bennet Fischer 및 동료들은 기술을 활용하여 손으로 쓴 숫자 이미지를 광 신호로 인코딩하고 이를 통해 분류했습니다.광섬유.

섬유 끝의 색상 구성 변경은 각 숫자의 "지문"이라는 고유한 색상 스펙트럼을 형성합니다.훈련 후 시스템은 에너지 소비를 크게 줄이면서 새로운 필기 숫자를 분석하고 인식할 수 있습니다.

Mario Chemnitz는 "간단히 말하면 픽셀 값은 빨간색이 더 많거나 파란색이 덜한 등 원색의 다양한 강도로 변환됩니다."라고 설명합니다."섬유 내에서 이러한 기본 색상은 혼합되어 무지개의 전체 스펙트럼을 만듭니다. 예를 들어 혼합된 보라색 음영은 시스템에서 처리되는 데이터에 대해 많은 것을 드러냅니다."

팀은 또한 이 방법을 성공적으로 적용했습니다.파일럿 연구음성 샘플을 활용해 코로나19 감염 여부를 진단해 현재까지 최고의 디지털 시스템을 능가하는 탐지율을 달성했다.

Mario Chemnitz는 "우리는 광섬유에서 광파의 생생한 상호작용이 추가 지능형 소프트웨어 없이 복잡한 정보를 직접 분류할 수 있음을 최초로 입증했습니다."라고 말합니다.

Mario Chemnitz는 2023년 12월부터 프리드리히 쉴러 대학교 예나(Friedrich Schiller University Jena)에서 지능형 광자 시스템 조교수로 재직하고 있습니다.Chemnitz는 2022년 캐나다 INRS에서 돌아와 박사후 연구원으로 근무한 후 예나의 Leibniz IPHT에서 국제 팀을 이끌고 있습니다.그들의 연구는 비선형 광학의 잠재력을 탐구하는 데 중점을 두고 있습니다.그들의 목표는 컴퓨터가 필요 없는 지능형 센서 시스템과 현미경, 그리고 친환경 컴퓨팅 기술을 개발하는 것입니다.

종이는출판됨일지에서첨단과학.

제공자:라이프니츠 연구소 für Photonische Technologien e.다섯.