Radio Nova Uno Agil Moderna Creativa
El MIT desarrolla un chip de fototones de última generación para cálculos neuronales ópticos de alta velocidad.
Un innovador chip de fototones, desarrollado por investigadores del MIT, ha revolucionado el campo de los cálculos de redes neuronales profundas, realizando tareas ópticamente con una precisión superior al 92% en menos de un nanosegundo. Este avance podría abrir nuevas perspectivas en la informática de alta demanda, permitiendo la creación de procesadores de alta velocidad capaces de aprender en tiempo real.
Redes neuronales profundas y hardware fototónico.
Las redes neuronales profundas, fundamentales para las aplicaciones modernas de aprendizaje automático, han llevado al límite el hardware informático electrónico tradicional debido a su complejidad. El uso de hardware fototónico, que utiliza luz en lugar de electricidad para los cálculos de aprendizaje automático, ha demostrado ser una solución más rápida y energéticamente más eficiente. Sin embargo, algunas operaciones de redes neuronales eran difíciles de realizar con dispositivos fototónicos, lo que hacía necesario el uso de componentes electrónicos externos que ralentizaban el proceso y reducían su eficiencia.
El chip fototón de última generación
Después de una década de investigación, los investigadores del MIT y sus colaboradores han logrado superar estos desafíos desarrollando un chip de fototones de última generación. Este chip totalmente integrado puede realizar todos los cálculos esenciales de redes neuronales profundas completamente con luz, eliminando la dependencia del procesamiento externo. Gracias a este dispositivo óptico, fue posible completar cálculos clave para una tarea de clasificación de aprendizaje automático en menos de medio nanosegundo, logrando una precisión superior al 92%, en línea con el hardware tradicional.
Escalabilidad e integración en electrónica.
El chip de fototón está formado por módulos interconectados que forman una red neuronal óptica y se fabrica mediante procesos de fundición comerciales, lo que podría facilitar su escalabilidad e integración en la electrónica. A largo plazo, este procesador podría conducir a un aprendizaje profundo más rápido y con mayor eficiencia energética, con posibles aplicaciones en campos computacionalmente intensivos como lidar, investigación científica en astronomía y física de partículas y telecomunicaciones de alta velocidad.
Resultados y perspectivas de futuro
El equipo de investigación, formado por expertos de la industria, publicó los resultados de su investigación en Nature Photonics el 2 de diciembre. Este gran avance podría allanar el camino para nuevas aplicaciones y algoritmos en el campo del aprendizaje automático, permitiendo una mayor eficiencia y velocidad en el procesamiento de datos.
Las redes neuronales profundas están formadas por capas interconectadas de nodos que operan con datos de entrada para producir una salida. Además de las operaciones lineales, las redes neuronales profundas también realizan operaciones no lineales que les permiten aprender patrones complejos. El equipo de investigación superó el desafío de las operaciones no lineales diseñando unidades de funciones ópticas no lineales que combinan electrónica y óptica para implementar dichas operaciones directamente en el chip.
El sistema de fototones logró una precisión de más del 96 % durante las pruebas de entrenamiento y más del 92 % durante la inferencia, resultados comparables a los del hardware tradicional. Además, el chip es capaz de realizar cálculos clave en menos de medio nanosegundo, lo que demuestra su eficiencia y velocidad.
Todo el circuito se fabricó mediante procesos de fundición probados, lo que permitió la producción a gran escala del chip con un margen mínimo de error. El objetivo futuro de la investigación será ampliar el dispositivo e integrarlo con la electrónica del mundo real para maximizar su potencial.
En conclusión, el chip de fototón desarrollado por investigadores del MIT representa un avance importante en el campo del aprendizaje automático, abriendo nuevas perspectivas para aplicaciones computacionalmente intensivas y permitiendo una mayor eficiencia y velocidad en el procesamiento de datos.
Publicado el13 de diciembre de 2024 – 21.20 h AutorMarco Bianchi
