Derin sinir ağı modelleri o kadar büyük ve karmaşık hale geldi ki, geleneksel elektronik hesaplama donanımının yeteneklerini zorluyorlar. Işığı kullanarak hesaplamaları işleyen fotonik donanım, daha hızlı ve enerji açısından daha verimli bir alternatif sunuyor ancak belirli sinir ağı hesaplamaları sırasında performansını yavaşlatan sınırlamalarla mücadele ediyor. MIT ve diğer kurumlardan araştırmacılar, bu sorunları ele alan yeni bir fotonik çip geliştirdiler. Tam entegre bu fotonik işlemci, çip üzerinde gerekli tüm derin sinir ağı hesaplamalarını optik olarak gerçekleştirebilir. Çip, bir makine öğrenimi sınıflandırma görevindeki hesaplamaları yarım nanosaniyeden kısa sürede %92 doğrulukla tamamladı ve bu, geleneksel donanımlara kıyasla benzer bir performans gösterdi. Ticari dökümhane süreçleri kullanılarak inşa edilen çip, ölçeklenebilir ve bütünleştirilebilir gelecek elektronik uygulamalarını ima eden bir optik sinir ağı oluşturan birbirine bağlı modüllere sahiptir. Bu ilerleme, lidar, astronomi, parçacık fiziği ve telekomünikasyon gibi alanlarda derin öğrenmenin hızını ve enerji verimliliğini artırabilir. Sistem, nanotesne ölçeğinde optikte tamamlanmış sinir ağı işlemleri sağlarken önemli ölçüde daha hızlıdır. Baş araştırmacı Saumil Bandyopadhyay, model performansında hız ve verimliliğin önemini ve yenilikçi uygulamalar ve algoritmalar için potansiyeli vurguladı. Araştırma ekibi, MIT mezunları ve profesörleri Alexander Sludds, Nicholas Harris, Darius Bunandar ve Dirk Englund gibi isimleri içeriyor ve çalışma Nature Photonics dergisinde yayımlandı. Optik sinir ağları, veri dönüşümü için hayati olan matris çarpımı gibi doğrusal cebir işlemlerini gerçekleştiren katmanlar arası düğümler içerir. Aktivasyon fonksiyonları gibi doğrusal olmayan işlemler, ağların karmaşık desenler öğrenmesine olanak tanır.

2017 yılında, matris çarpımı için tek bir fotonik çip geliştirildi, ancak doğrusal olmayan işlemler optik verilerin elektrik sinyallerine dönüştürülmesini gerektiriyordu ve bu da önemli miktarda güç tüketiyordu. Bunu aşmak için araştırmacılar, çip üzerinde doğrusal olmayan işlemler için elektronik ve optikleri entegre eden doğrusal olmayan optik fonksiyon birimleri (NOFU'lar) tasarladılar. Optik sinir ağları, doğrusal ve doğrusal olmayan işlevler için üç cihaz katmanından oluşur. Yeni sistem, sinir ağı parametrelerini ışığa kodlayarak matris çarpımını programlanabilir ışın ayırıcılarla gerçekleştirir. Doğrusal olmayan işlemler, optik sinyalleri verimli bir şekilde elektrik akımına dönüştüren fotodiyotlar kullanan NOFU'lar ile gerçekleştirilir. Bu optik alan işleme, gecikme süresini ve enerji tüketimini önemli ölçüde azaltır. Düşük gecikme süresi elde ederek, sistem, çip üzerinde derin sinir ağlarının enerjik olarak daha verimli eğitimine olanak tanır, bu da genellikle dijital donanımda çok fazla enerji gerektirir. Fotonik işlemci, eğitimde %96'nın üzerinde, çıkarımda ise %92'nin üzerinde doğruluk sağladı ve hesaplamaları yarım nanosaniyeden kısa sürede gerçekleştirdi. Devre, hatayı en aza indirerek potansiyel seri üretimi mümkün kılan CMOS çipleri yaratan aynı süreçlerle üretildi. Gelecekteki çalışmalar, cihazın gerçek dünya elektroniği ile entegrasyonuna ve daha hızlı, enerji açısından daha verimli eğitim için optik avantajlardan yararlanan algoritmaların geliştirilmesine odaklanacak. Bu araştırma, ABD Ulusal Bilim Vakfı, ABD Hava Kuvvetleri Bilimsel Araştırma Ofisi ve NTT Research tarafından desteklenmiştir.