Ученые предложили новый метод реализации нейронных сетей с помощью оптических систем, который может сделать машинное обучение более экологичным в будущем. Исследователи из Института науки о свете Общества Макса Планка опубликовали свою работу в журнале Nature Physics, демонстрируя подход, который значительно проще предыдущих методов.
Машинное обучение и искусственный интеллект становятся все более распространенными, но их растущая сложность приводит к экспоненциальному росту энергопотребления и времени обучения. Например, обучение модели GPT-3 потребовало более 1000 МВт*ч энергии, что сопоставимо с суточным потреблением электроэнергии небольшого города.
Новый метод, предложенный Кларой Ванюрой и Флорианом Марквардтом, позволяет преодолеть два основных препятствия в области нейроморфных вычислений на основе оптики:
- Вместо того чтобы записывать входные данные в световое поле, они предлагают изменять пропускание света, что позволяет обрабатывать сигнал произвольным образом без сложных физических взаимодействий.
- Оценка и обучение такой физической нейронной сети становится очень простым — достаточно пропустить свет через систему и наблюдать прошедший свет.
Авторы продемонстрировали в симуляциях, что их подход может использоваться для классификации изображений с той же точностью, что и цифровые нейронные сети. В будущем они планируют сотрудничать с экспериментальными группами для изучения практической реализации своего метода.
Предложенный подход значительно упрощает экспериментальные требования и может быть применен к различным физическим системам, открывая новые возможности для нейроморфных устройств и позволяя проводить физическое обучение на широком спектре платформ.
Источник: phys.org
