I ett betydande framsteg för artificiell intelligens har europeiska forskare demonstrerat ett nytt sätt att utföra beräkningar – med ljus istället för elektricitet – och därmed möjliggjort extremt snabba och effektiva AI-processer.
Genombrottet är resultatet av ett samarbete mellan forskargrupper vid Tammerfors universitet i Finland och Université Marie et Louis Pasteur i Frankrike. De lyckades använda femtosekund-laserpulser (en miljard gånger kortare än en kamerablixt) som leds genom ultratunna glasfibrer för att utföra AI-liknande beräkningar. Det anmärkningsvärda med denna prestation är både hastigheten och effektiviteten: beräkningarna slutförs på under en pikosekund och systemet når över 91 % noggrannhet på MNIST-testet för handskrivna siffror, ett standardmått för AI-system.
"Det här arbetet visar hur grundforskning inom icke-linjär fiberoptik kan driva nya sätt att tänka kring databehandling," förklarar forskningsledarna, professorerna Goëry Genty, John Dudley och Daniel Brunner. "Genom att förena fysik och maskininlärning öppnar vi nya vägar mot ultrasnabb och energieffektiv AI-hårdvara."
Systemet fungerar genom att skicka laserpulser med flera våglängder genom optiska fibrer vars tvärsnitt är tunnare än ett mänskligt hårstrå. Forskarna kodar informationen genom att införa relativa fördröjningar mellan dessa våglängder baserat på bilddata. När ljuset färdas genom fibern omvandlar den icke-linjära interaktionen mellan ljus och glas spektrumet på ett sätt som både bevarar och bearbetar den kodade informationen.
Intressant nog upptäckte teamet att optimal prestanda inte uppnåddes genom att maximera de icke-linjära interaktionerna, utan snarare genom att hitta en exakt balans i systemets komplexitet. Denna insikt kan bli avgörande för framtida utveckling av fotoniska datorsystem.
Forskarna arbetar nu vidare med att utveckla optiska system på chip-nivå som kan fungera i realtid utanför laboratoriemiljöer. Om de lyckas kan tekniken revolutionera AI-processering genom att drastiskt minska energiförbrukningen och samtidigt öka beräkningshastigheten med flera storleksordningar jämfört med dagens elektroniska system.
Forskningen har publicerats i Optics Letters, med artikeln "Limits of nonlinear and dispersive fiber propagation for an optical fiber-based extreme learning machine."