Computação fotônica com ondas sonoras

Impressão artística da computação optoacústica. Crédito: Long Huy Da

Pesquisadores desenvolveram uma forma de utilizar ondas sonoras em redes neurais ópticas, potencializando sua capacidade de processar dados com alta velocidade e eficiência energética.

As redes neurais ópticas podem fornecer a solução de alta velocidade e grande capacidade necessária para enfrentar tarefas computacionais desafiadoras. No entanto, explorar todo o seu potencial exigirá mais avanços. Um desafio é a reconfigurabilidade das redes neurais ópticas.

Uma equipe de pesquisa do Grupo de Pesquisa Stiller do Instituto Max Planck para a Ciência da Luz, em colaboração com o Grupo de Pesquisa Englund do Instituto de Tecnologia de Massachusetts, conseguiu agora estabelecer as bases para novos blocos de construção neuromórficos reconfiguráveis, adicionando um novo dimensão para fotônica aprendizado de máquina: ondas sonoras.

Os pesquisadores usam luz para criar ondas acústicas temporárias em uma fibra óptica. As ondas sonoras geradas desta forma podem, por exemplo, permitir uma funcionalidade recorrente numa fibra óptica de telecomunicações, que é essencial para a interpretação de informações contextuais, como a linguagem.

IA e Eficiência Energética

A inteligência artificial agora é comum e nos ajuda a realizar tarefas diárias. Modelos de linguagem como o ChatGPT são capazes de criar textos formulados naturalmente e resumir parágrafos de forma estruturada, ajudando-nos assim a reduzir nossas despesas administrativas. A desvantagem são as suas enormes necessidades energéticas, o que significa que, à medida que evoluem, estes dispositivos inteligentes exigirão novas soluções para acelerar o processamento de sinais e reduzir o consumo de energia.

Birgit Stiller e Steven Becker

Dra. Birgit Stiller e Steven Becker no laboratório. Crédito: Susanne Viezens, MPL

Redes Neurais Ópticas: Uma Nova Fronteira

As redes neurais têm o potencial de formar a espinha dorsal da inteligência artificial. Construí-las como redes neurais ópticas – baseadas em luz em vez de sinais elétricos – promete o tratamento de grandes volumes de dados em altas velocidades e com grande eficiência energética. Até o momento, entretanto, muitas das abordagens experimentais para implementação de redes neurais ópticas têm dependido de componentes fixos e dispositivos estáveis.

Agora, uma equipe de pesquisa internacional liderada por Birgit Stiller do Instituto Max-Planck para a Ciência da Luz, em colaboração com Dirk Englund do Instituto de Tecnologia de Massachusetts, encontrou uma maneira de construir blocos de construção reconfiguráveis ​​baseados em ondas sonoras para aprendizado de máquina fotônica. Para sua abordagem experimental, os pesquisadores usam fibras ópticas da espessura de um fio de cabelo, já utilizadas globalmente para conexões rápidas de Internet.

Computação fotônica com ondas sonoras Conceito OREO

A informação transportada por um pulso óptico é parcialmente convertida em uma onda acústica. A informação permanece na onda acústica mesmo depois que o pulso de luz sai da fibra óptica. Esta onda acústica inicial afeta a segunda e terceira etapas de processamento de luz-som, com os pulsos de entrada subsequentes transportando informações diferentes das anteriores. Como resultado, as ondas acústicas se conectam em dinâmicas separadas no tempo e servem como meio de propagação de informações. Crédito: Stiller Research Group, MPL

Ondas Sonoras Melhorando Redes Ópticas

A chave da invenção é a criação, acionada pela luz, de ondas sonoras itinerantes que manipulam as etapas computacionais subsequentes de uma rede neural óptica. A informação óptica é processada e correlacionada com ondas acústicas. As ondas sonoras têm um tempo de transmissão muito mais longo do que o fluxo óptico de informações. Portanto, eles permanecem na fibra óptica por mais tempo e podem ser ligados a cada etapa de processamento subsequente. A singularidade deste processo reside no fato de ser totalmente controlado pela luz e não necessitar de estruturas e transdutores complicados.

“Estou muito entusiasmado por termos embarcado nesta nova linha de pesquisa pioneira no uso de ondas sonoras para controlar redes neurais ópticas. Nossas descobertas de pesquisa têm o potencial de desencadear o desenvolvimento de novos blocos de construção para novas arquiteturas de computação fotônica”, disse a Dra. Birgit Stiller, chefe do Grupo de Pesquisa em Optoacústica Quântica.

O primeiro bloco de construção demonstrado experimentalmente pela equipe é um operador recorrente, uma tecnologia amplamente utilizada no campo de redes neurais recorrentes. Ele permite a ligação de uma série de etapas computacionais e, portanto, fornece um contexto para cada etapa de cálculo realizada.

Operações recorrentes em redes ópticas

Na linguagem humana, por exemplo, a ordem das palavras pode determinar o significado de uma frase. Por exemplo, as duas frases “Ela decidiu pesquisar o desafio”. e “Ela decidiu desafiar a pesquisa”. consistem nas mesmas palavras, mas têm significados diferentes. Isso se deve aos diferentes contextos criados pelas ordens das palavras. Uma rede neural tradicional totalmente conectada em um computador enfrenta dificuldades para capturar o contexto porque requer acesso à memória. Para superar esse desafio, as redes neurais foram equipadas com operações recorrentes que habilitam a memória interna e são capazes de capturar informações contextuais.

Embora essas redes neurais recorrentes sejam simples de implementar digitalmente, a implementação análoga em óptica é desafiadora e até agora tem dependido de cavidades artificiais para fornecer memória.

Os pesquisadores já usaram ondas sonoras para implementar um operador recorrente. Como resultado, o Operador Optoacústico REcurrent (OREO) aproveita as propriedades intrínsecas de um guia de ondas óptico sem a necessidade de um reservatório artificial ou estruturas recém-fabricadas. OREO oferece a vantagem de ser totalmente controlado opticamente, tornando o computador optoacústico programável pulso a pulso. Por exemplo, os pesquisadores usaram isso para implementar opticamente um dropout recorrente pela primeira vez, uma técnica de regulação usada anteriormente apenas para aumentar o desempenho de redes neurais recorrentes digitais. OREO tem sido usado para distinguir até 27 padrões diferentes, demonstrando sua capacidade de processar contexto.

Potencial futuro do aprendizado de máquina fotônica

“O controle totalmente óptico do OREO é um recurso poderoso. Especialmente a possibilidade de programar o sistema pulso a pulso oferece vários graus de liberdade adicionais. O uso de ondas sonoras para aprendizado de máquina fotônica está perturbando o status quo e estou muito ansioso para ver como o campo evoluirá no futuro”, diz Steven Becker, estudante de doutorado no Stiller Lab.

No futuro, o uso de ondas sonoras para redes neurais ópticas poderia desbloquear uma nova classe de computação neuromórfica óptica que poderia ser reconfigurada espontaneamente e permitiria a computação em memória em larga escala na atual rede de telecomunicações. Além disso, implementações de redes neurais ópticas no chip podem se beneficiar dessa abordagem, que é implementável em guias de onda fotônicos sem controles eletrônicos adicionais.

“O aprendizado de máquina fotônico pode ter um enorme potencial para processamento paralelo de informações e operações com eficiência energética. Adicionar ondas acústicas pode contribuir para esse esforço com um kit de ferramentas totalmente controlado opticamente e fácil de operar”, diz a Dra. Birgit Stiller.

Referência: “Um perceptron optoacústico programável em campo para redes neurais recorrentes” por Steven Becker, Dirk Englund e Birgit Stiller, 16 de abril de 2024, Comunicações da Natureza.
DOI: 10.1038/s41467-024-47053-6



Share. Facebook Twitter Pinterest LinkedIn Tumblr Email

Formado em Educação Física, apaixonado por tecnologia, decidi criar o site news space em 2022 para divulgar meu trabalho, tenho como objetivo fornecer informações relevantes e descomplicadas sobre diversos assuntos, incluindo jogos, tecnologia, esportes, educação e muito mais.