Sügavad neuronvõrgumudelid on muutunud nii suureks ja keeruliseks, et need seavad traditsioonilise elektroonilise arvutustehnika võimed proovile. Valgusega arvutusi töötlev fotonriistvara pakub kiiremat ja energiatõhusamat alternatiivi, kuid on teatud neuronvõrkude arvutustes võidelnud piirangutega, mis aeglustavad selle jõudlust. MIT-i ja teiste institutsioonide teadlased on välja töötanud uue fotonkiibi, mis lahendab need probleemid. See täielikult integreeritud fotonprotsessor suudab teostada kõiki olulisi sügavate neuronvõrkude arvutusi optiliselt kiibil. Kiip lõpetas masinõppe klassifikatsiooniülesande arvutused alla poole nanosekundi jooksul, saavutades 92% täpsuse, mis on võrreldav traditsioonilise riistvaraga. Tavapäraste valukoja protsessidega ehitatud kiip sisaldab omavahel ühendatud mooduleid, mis moodustavad optilise neuronivõrgu, vihjates skaleeritavatele ja integreeritavatele tulevastele elektroonilistele rakendustele. See areng võiks parandada süvaõppe kiirust ja energiatõhusust, tuues kasu sellistele valdkondadele nagu lidar, astronoomia, osakestefüüsika ja telekommunikatsioon. Süsteem võimaldab täielikke neuronvõrgu operatsioone optikas nanosekundi skaalal, muutes selle märkimisväärselt kiiremaks. Juhtivteadur Saumil Bandyopadhyay rõhutas kiiruse ja tõhususe tähtsust mudelite jõudluses ning potentsiaalsete uuenduslike rakenduste ja algoritmide olulisust. Uurimismeeskonda kuuluvad sellised MIT-i vilistlased ja professorid nagu Alexander Sludds, Nicholas Harris, Darius Bunandar ja Dirk Englund, ning uuring avaldati ajakirjas Nature Photonics. Optilised neuronivõrgud koosnevad omavahel ühendatud kihtidest, mis teostavad lineaaralgebra operatsioone, nagu maatriksite korrutamine, mis on oluline andmete teisendamiseks. Mitteniidsed operatsioonid, näiteks aktivatsioonifunktsioonid, võimaldavad võrgul õppida keerukaid mustreid.

2017. aastal töötati välja üksik fotonkiip maatriksite korrutamiseks, kuid mittelineaarsed operatsioonid vajasid optiliste andmete muundamist elektrilisteks signaalideks, mis tarbis märkimisväärselt energiat. Selle probleemi lahendamiseks kavandasid teadlased mittelineaarsed optilised funktsiooniüksused (NOFU-d), mis integreerivad elektroonikat ja optikat kiibil mittelineaarsete operatsioonide jaoks. Nende optiline neuronivõrk koosneb kolmest seadmekihist lineaarsete ja mittelineaarsete funktsioonide jaoks. Uus süsteem kodeerib neuronvõrgu parameetrid valgusse, kusjuures programmeeritavad kiirtejagajad käsitlevad maatriksite korrutamist. Mittelineaarsed operatsioonid teostavad NOFU-d, mis kasutavad fotodioode optiliste signaalide elektrivooluks tõhusaks muundamiseks. See optilise domeeni töötlemine vähendab oluliselt latentsust ja energiatarbimist. Saavutades madala latentsuse, treenib süsteem sügavaid neuronivõrke tõhusalt kiibil, tuntud kui in situ treening, mis tavaliselt nõuab digitaalses riistvaras palju energiat. Fotonprotsessor saavutas treeningus üle 96% täpsuse ja üle 92% täpsuse tõlgendamises, viies arvutusi läbi alla poole nanosekundi. Ahel valmistati samade protsessidega, millega luuakse CMOS-kiipe, võimaldades potentsiaalset masstootmist minimaalse veaga. Tulevased tööd keskenduvad seadme integreerimisele reaalse maailma elektroonikaga ja algoritmide arendamisele, mis kasutavad optilisi eeliseid kiiremaks ja energiatõhusamaks treeninguks. See uuring sai toetust USA riiklikust teadusfondist, USA õhujõudude teadusuuringute büroost ja NTT Researchist.