Сити, Лондонский университет, специалисты по развитию

Исследователи из Городского университета Лондона Факультет наук и технологий Они разработали инновационный алгоритм под названием FatNet.

Предвидя будущее, в котором закон Мура (который предсказывает удвоение вычислительной мощности каждые два года) перестанет быть эффективным, аспирант Эр-Рияд навсегдаИ Профессор Томас ЧенИ Доктор Константино Карлос Рейес Альдасоросоздал революционный алгоритм, который использует возможности высокоточных оптических ускорителей в приложениях искусственного интеллекта (ИИ), что делает будущий переход к оптическим вычислениям более эффективным.

Их исследования по разработке FatNet были опубликованы в AI , журнал открытого доступа об искусственном интеллекте (ИИ).

Ускорители света уже давно представляют интерес для исследований ИИ. Однако современные нейронные сети не предназначены для оптических вычислений, поскольку они были в основном разработаны в эпоху CPU/GPU; Они не имеют преимуществ перед возможностями параллелизма оптических вычислений и, как правило, используют более низкую точность, когда возникают проблемы с классификацией.

Чтобы решить эту проблему, трое исследователей города представили преобразование FatNet, которое может преобразовать любую сверточную сеть в специализированную сеть, более совместимую с ускорителем визуального ИИ.

Это максимально увеличивает потенциал параллелизма оптики, что делает FatNet одним из первых алгоритмов, эффективно интегрирующих модели ИИ в оптические ускорители 4F в свободном пространстве. Алгоритм специально разработан для глубокого обучения, которое представляет собой подмножество машинного обучения, имитирующего человеческий мозг.

FatNet использует технологию сверточных нейронных сетей (CNN) для обработки и классификации изображений. Известно, что эти специализированные алгоритмы глубокого обучения эффективны в задачах распознавания изображений.

Однако FatNet использует более эффективные методы для выполнения сверточных нейронных сетей, что делает его намного быстрее, чем традиционный ИИ на основе ЦП/ГП. Используя оптические ускорители, FatNet может выполнять эти задачи, значительно снижая энергопотребление и время обработки.

Потенциальные области применения FatNet огромны: от повышения точности медицинских диагнозов до развития технологий автономных транспортных средств.

Разработка FatNet представляет собой важный шаг вперед в области искусственного интеллекта и вычислений, предлагая многообещающее решение для будущего, когда традиционные методы вычислений могут оказаться недостаточными.