Yapay zeka 1 milyar kat daha hızlı çalışacak! 'Saniyede 100 milyon kalp atışı'
Çinli bilim insanları, biyolojik olarak derecelendirilmiş bir nöronun karmaşık işlevlerini simüle eden, verileri doğal benzerlerinden bir milyar kat daha hızlı işleyen lazer tabanlı bir yapay nöron tasarladı.
Bilim insanları, biyolojik olarak derecelendirilmiş bir nöronun işlevlerini, dinamiklerini ve veri işleme yeteneklerini kopyalayan lazer tabanlı bir yapay nöron geliştirdi. 10 GBaud'luk bir sinyal işleme hızında çalışan, yani doğal muadilinden yaklaşık bir milyar kat daha hızlı olan bu çığır açıcı teknoloji, yapay zeka ve gelişmiş bilgi işlem sistemlerinde büyük ilerlemeler sağlayabilir.
HIZ SINIRINI AŞAN BİYOLOJİK NÖRONLAR
Biyolojik nöronlar, zar potansiyelindeki sürekli değişikliklerle bilgiyi hassas ve nüanslı sinyal iletimi için işleyen dereceli nöronlar da dahil olmak üzere çeşitli tiplerde gelir. Buna karşılık, dikenli nöronlar, ikili, açık veya kapalı bir şekilde sinyaller göndererek tüm veya hiçbiri eylem potansiyellerini kullanır.
Hong Kong Çin Üniversitesi'nden araştırma ekibi lideri Chaoran Huang, "Lazerle derecelendirilmiş nöronumuz, mevcut fotonik dikenli nöron versiyonlarının hız sınırlamalarını aşar ve daha da hızlı çalışma potansiyeline sahiptir" dedi.
Huang, buradan yola çıkarak nöron benzeri doğrusal olmayan dinamiklerini ve hızlı işlemeyi kullanarak, desen tanıma ve dizi tahmini gibi yapay zeka görevlerinde olağanüstü performans gösteren bir rezervuar hesaplama sistemi oluşturduklarını belirtti.
SANİYEDE 100 MİLYON KALP ATIŞI!
Optica Publishing Group'un yüksek etkili araştırmalar dergisi olan Optica'da araştırmacılar, çip tabanlı kuantum nokta lazer dereceli nöronlarının 10 GBaud'luk bir sinyal işleme hızına ulaşabileceğini bildiriyorlar. Bu hızı, sadece bir saniyede 100 milyon kalp atışından veya 34,7 milyon el yazısı dijital görüntüden gelen verileri işlemek için kullandılar.
Huang, sözlerini şöyle tamamladı: "Teknolojimiz, yüksek doğruluğu korurken zaman açısından kritik uygulamalarda AI karar alma sürecini hızlandırabilir. Teknolojimizin, verileri kaynağına yakın bir yerde işleyen uç bilişim cihazlarına entegre edilmesinin, gelecekte gerçek dünya uygulamalarına daha iyi hizmet eden ve daha az enerji tüketen daha hızlı ve daha akıllı AI sistemlerini kolaylaştıracağını umuyoruz."
