Sistemas de computador de "aprendizado profundo", com base em redes neurais artificiais que imitam a maneira como o cérebro aprende com um acúmulo de exemplos, tornaram-se um tema quente na ciência da computação. Além de possibilitar tecnologias como software de reconhecimento facial e de voz, esses sistemas podem vasculhar grandes quantidades de dados médicos para encontrar padrões que possam ser úteis para o diagnóstico, ou escaneie fórmulas químicas para possíveis novos produtos farmacêuticos.

Mas os cálculos que esses sistemas devem realizar são altamente complexos e exigentes, mesmo para os computadores mais poderosos.

Agora, uma equipe de pesquisadores do MIT e de outros lugares desenvolveu uma nova abordagem para tais cálculos, usando luz em vez de eletricidade, que, segundo eles, pode melhorar muito a velocidade e a eficiência de certos cálculos de aprendizado profundo. Seus resultados aparecem hoje no jornal Nature Photonics em um artigo do pós-doutorado do MIT Yichen Shen, estudante de graduação Nicholas Harris, professores Marin Soljacic e Dirk Englund, e outros oito.

Soljacic diz que muitos pesquisadores ao longo dos anos fizeram afirmações sobre computadores baseados em óptica, mas que "as pessoas prometeram exageradamente, e o tiro saiu pela culatra. "Embora muitos usos propostos de tais computadores fotônicos acabassem não sendo práticos, um sistema de rede neural baseado em luz desenvolvido por esta equipe "pode ​​ser aplicável para aprendizado profundo para algumas aplicações, " ele diz.

As arquiteturas de computador tradicionais não são muito eficientes quando se trata dos tipos de cálculos necessários para certas tarefas importantes da rede neural. Essas tarefas normalmente envolvem multiplicações repetidas de matrizes, que pode ser muito computacionalmente intensivo em chips convencionais de CPU ou GPU.

Depois de anos de pesquisa, a equipe do MIT descobriu uma maneira de realizar essas operações opticamente. "Este chip, uma vez que você o afina, pode realizar a multiplicação de matrizes com, em princípio, energia zero, quase instantaneamente, "Soljacic diz." Nós demonstramos os blocos de construção cruciais, mas ainda não o sistema completo. "

Por analogia, Soljacic observa que mesmo uma lente de óculos comum realiza um cálculo complexo (a chamada transformada de Fourier) nas ondas de luz que passam por ela. A maneira como os feixes de luz realizam cálculos nos novos chips fotônicos é muito mais geral, mas tem um princípio subjacente semelhante. A nova abordagem usa múltiplos feixes de luz direcionados de forma que suas ondas interajam umas com as outras, produzindo padrões de interferência que transmitem o resultado da operação pretendida. O dispositivo resultante é algo que os pesquisadores chamam de processador nanofotônico programável.

O resultado, Shen diz, é que os chips ópticos que usam essa arquitetura podem, em princípio, realize cálculos realizados em algoritmos típicos de inteligência artificial muito mais rápido e usando menos de um milésimo da energia por operação que os chips eletrônicos convencionais. "A vantagem natural de usar a luz para fazer a multiplicação da matriz desempenha um grande papel na velocidade e economia de energia, porque as multiplicações de matrizes densas são a parte que mais consome energia e consome mais tempo nos algoritmos de IA ", diz ele.

O novo processador nanofotônico programável, que foi desenvolvido no laboratório de Englund por Harris e colaboradores, usa uma série de guias de ondas que estão interconectados de uma forma que podem ser modificados conforme necessário, programar esse conjunto de feixes para um cálculo específico. "Você pode programar em qualquer operação de matriz, "Diz Harris. O processador guia a luz através de uma série de guias de ondas fotônicas acopladas. A proposta completa da equipe exige camadas intercaladas de dispositivos que aplicam uma operação chamada função de ativação não linear, em analogia com o funcionamento dos neurônios no cérebro.

Para demonstrar o conceito, a equipe configurou o processador nanofotônico programável para implementar uma rede neural que reconhece quatro sons vocálicos básicos. Mesmo com este sistema rudimentar, eles conseguiram atingir um nível de precisão de 77 por cento, em comparação com cerca de 90 por cento para sistemas convencionais. Não há "obstáculos substanciais" para expandir o sistema para maior precisão, Soljacic diz.

Englund acrescenta que o processador nanofotônico programável também poderia ter outras aplicações, incluindo processamento de sinal para transmissão de dados. "O processamento de sinal analógico de alta velocidade é algo que isso pode gerenciar" mais rápido do que outras abordagens que primeiro convertem o sinal para a forma digital, uma vez que a luz é um meio inerentemente analógico. "Esta abordagem pode fazer o processamento diretamente no domínio analógico, " ele diz.

A equipe afirma que ainda será necessário muito mais esforço e tempo para tornar este sistema útil; Contudo, uma vez que o sistema é ampliado e totalmente funcional, pode encontrar muitos casos de usuário, como centros de dados ou sistemas de segurança. O sistema também pode ser uma bênção para carros autônomos ou drones, diz Harris, ou "sempre que você precisar fazer muitos cálculos, mas não tiver muito poder ou tempo."

Esta história foi republicada por cortesia do MIT News (web.mit.edu/newsoffice/), um site popular que cobre notícias sobre pesquisas do MIT, inovação e ensino.