Optalysys lança a primeira rede neural óptica movida a laser do mundo

• Optalysys demonstra sua tecnologia de processamento óptico executando IA na velocidade da luz.
• Ele usa luz laser com eficiência energética em vez da técnica de processamento de silício.

A empresa de tecnologia sediada no Reino Unido, chamada Optalysys, desenvolveu a primeira Rede Neural Convolucional (CNN) usando sua Tecnologia de Processamento Óptico. O dispositivo de computação óptica utiliza moduladores de luz espacial e lasers para executar operações numéricas complexas em alta velocidade e usando menos energia.

O uso de CNNs está crescendo rapidamente, especialmente na área de reconhecimento e análise de imagens com base em técnicas de aprendizado de máquina. Também é usado em aplicações essenciais como análise de imagens médicas, previsão do tempo e veículos autônomos. Todos esses modelos exigem cálculos enormes e envolvem múltiplas camadas convolucionais para serem processadas.

Nos últimos anos, com o avanço dos processadores gráficos, a CNN também fez alguns progressos impressionantes. No entanto, eles ainda são limitados pelos elevados custos de energia e pela violação da lei de Moore.

A tecnologia de processamento óptico desenvolvida pela Optalysys utiliza luz laser com eficiência energética em vez da técnica de processamento de silício. Isso fornece melhorias de velocidade de múltiplas ordens de magnitude em relação aos computadores tradicionais e consome muito menos energia.

De acordo com o CEO e fundador da empresa, Dr. Nick New, eles aplicaram o processamento óptico a um campo de rede neural convolucional extremamente complexo e altamente exigente em recursos, com 70% das taxas de precisão iniciais.

Eles demonstraram esta tecnologia processando uma rede neural convolucional, usando dados MNIST bem conhecidos que contêm 10.000 caracteres de teste e 60.000 caracteres de treinamento.

Grandes projetos baseados nesta tecnologia

Esta abordagem altamente eficiente e escalável (que ainda está em fase de desenvolvimento) não só fornecerá novos níveis de capacidades baseadas em nuvem, mas também aumentará o potencial das redes neurais convolucionais para sistemas móveis. Este trabalho levou a alguns projetos de prova de conceito.



Projeto Genesys: Um protótipo de sistema de busca genética para realizar buscas sequenciais de leituras metagenômicas em um grande banco de dados de mais de 64 milhões de pares de bases de 20 genomas bacterianos.

Escape do Projeto:  Parte de um grande projeto de colaboração para construir capacidades computacionais de alta escala e algoritmos de próxima geração para o Centro Europeu de Previsões Meteorológicas de Médio Prazo.

Equação do Projeto:  Um projeto inicial com a DARPA para explorar o processamento matemático à velocidade da luz, que forma a base para simulações em escala extrema, como aquelas usadas em dinâmica de fluidos e modelagem de plasma.

Sobre a Optalysys

A Optalysys é uma das startups de rápido crescimento que está trabalhando na implementação de computação óptica para inteligência artificial. Eles construíram seu primeiro coprocessador usando técnicas ópticas difrativas bem estabelecidas, que são baseadas em laser de baixa potência em vez de corrente elétrica.

Segundo a empresa, sua tecnologia é amplamente escalonável. No futuro, estes sistemas poderão atingir capacidades que vão além dos limites do que pode ser realizado através de máquinas de computação tradicionais, utilizando a forma mais natural de processamento paralelo – a luz.



Esses sistemas estarão disponíveis em máquinas de computação de alto desempenho, computadores desktop e nuvem. Além disso, os sistemas miniaturizados serão integrados em dispositivos portáteis com a ajuda da tecnologia de componentes atual.

Leia:Uma nova forma de luz que poderia tornar possível a computação quântica com fótons

Outras empresas como Lightmatter, Light Intelligence, Lighton e Fathom Computing estão trabalhando na mesma área. Todos eles usam diferentes tipos de técnicas ópticas para codificar redes neurais, a fim de fornecer um sistema com muito mais eficiência energética do que o aprendizado convencional baseado em GPU.