Η ραγδαία ανάπτυξη των εφαρμογών τεχνητής νοημοσύνης (ΤΝ) και βαθιάς μάθησης (ΒΜ) έχει αναδείξει θεμελιώδεις περιορισμούς στις συμβατικές ηλεκτρονικές πλατφόρμες επεξεργασίας, όσον αφορά την υπολογιστική ισχύ, την ενεργειακή αποδοτικότητα και το εύρος ζώνης μνήμης. Η φωτονική υπολογιστική αποτελεί μία πολλά υποσχόμενη εναλλακτική προσέγγιση, αξιοποιώντας τον εγγενή παραλληλισμό και το υψηλό εύρος ζώνης του φωτός. Η παρούσα διατριβή παρουσιάζει μία ολοκληρωμένη μελέτη φωτονικών δομικών στοιχείων για επιτάχυνση εφαρμογών ΤΝ επόμενης γενιάς, καλύπτοντας τις γραμμικές πράξεις, τις μη-γραμμικές συναρτήσεις ενεργοποίησης και τα υποσυστήματα μνήμης, στο πλαίσιο μιας ενιαίας αρχιτεκτονικής οπτικής υπολογιστικής. Αρχικά, παρουσιάζονται καινοτόμες αρχιτεκτονικές φωτονικών επιταχυντών για υψηλής ταχύτητας πολλαπλασιασμούς πινάκων και τανυστών, οι οποίοι αποτελούν βασικές γραμμικές πράξεις κατά την εκτέλεση συμπερασμάτων σε νευρωνικά δίκτυα (ΝΔ). Οι προτεινόμενες αρχιτεκτονικές βασίζονται σε οπτικούς δρομολογητές συστοιχίας κυματοδηγών και εκμεταλλεύονται τον οπτικό παραλληλισμό μέσω πολυπλεξίας μήκους κύματος, χώρου και χρόνου. Η πειραματική αξιολόγηση με τη χρήση προτύπων ΝΔ και συνόλων δεδομένων αναφοράς (Fashion-MNIST και MNIST) αποδεικνύει την εκτέλεση πράξεων με ακρίβεια, επιτυγχάνοντας υπολογιστική απόδοση έως και 262 tera πράξεις ανά δευτερόλεπτο (TOPS), η οποία αντιστοιχεί σε βελτίωση κατά 24 φορές σε σχέση με την προηγούμενη καλύτερη δουλειά στον τομέα των φωτονικών επιταχυντών. Επιπλέον, μέσω μοντελοποίησης σε επίπεδο συστήματος, καταδεικνύεται η δυνατότητα κλιμάκωσης των προτεινόμενων αρχιτεκτονικών σε υπολογιστική ισχύ επιπέδου peta-scale, φτάνοντας έως και 3.2 peta πράξεις ανά δευτερόλεπτο (POPS), με ενεργειακή αποδοτικότητα της τάξης των femtojoule ανά πράξη. Για την υλοποίηση φωτονικού υλικού με τη δυνατότητα εκτέλεσης ΝΔ, η διατριβή διερευνά επίσης προγραμματιζόμενες οπτικές μη-γραμμικές συναρτήσεις ενεργοποίησης. Αναπτύχθηκαν δύο ολοκληρωμένες οπτο-ηλεκτρονικές αρχιτεκτονικές, οι οποίες υποστηρίζουν πολλαπλές συναρτήσεις ενεργοποίησης με επαναδιαμορφώσιμα χαρακτηριστικά. Τα πειραματικά αποτελέσματα αποδεικνύουν την υλοποίηση τόσο οπτικο-ηλεκτρικών όσο και οπτικο-ηλεκτρο-οπτικών μη-γραμμικοτήτων, σε ρυθμούς εκτέλεσης έως 10 GBaud. Όταν ενσωματώνονται απευθείας στη διαδικασία εκπαίδευσης ΝΔ, οι προτεινόμενες συναρτήσεις ενεργοποίησης επιτυγχάνουν ακρίβειες κατηγοριοποίησης άνω του 90%, αναδεικνύοντας τη δυνατότητά τους να αντικαταστήσουν τις συμβατικές μη-γραμμικότητες. Τέλος, η διατριβή αντιμετωπίζει το κρίσιμο ζήτημα του εύρους ζώνης μνήμης στα οπτικά υπολογιστικά συστήματα, μέσω του σχεδιασμού και της πειραματικής υλοποίησης πλήρως οπτικών αρχιτεκτονικών μνήμης τυχαίας προσπέλασης (RAM) και κρυφής μνήμης (cache). Παρουσιάζεται μία πλήρως διευθυνσιοδοτούμενη οπτική μνήμη RAM, αποτελούμενη από μονολιθικά ολοκληρωμένα οπτικά flip-flops τεχνολογίας φωσφιδίου του ινδίου, καθώς και η επέκτασή της στην πρώτη πλήρως οπτική «κρυφή» μνήμη cache, η οποία ενσωματώνει οπτικό υποσύστημα σύγκρισης ετικέτας. Και οι δύο αρχιτεκτονικές μνήμης λειτουργούν σε ρυθμούς πολλών gigabit ανά δευτερόλεπτο με χαμηλό ρυθμό σφαλμάτων, επιτρέποντας υψηλής ταχύτητας πρόσβαση σε δεδομένα χωρίς επαναλαμβανόμενες μετατροπές οπτικού-ηλεκτρικού-οπτικού σήματος. Συνολικά, η παρούσα διατριβή παρουσιάζει ένα συνεκτικό σύνολο τεχνολογιών φωτονικής υπολογιστικής που επιτρέπουν υψηλής απόδοσης, ενεργειακά αποδοτική και κλιμακώσιμη επιτάχυνση εφαρμογών ΤΝ. Οι προτεινόμενες αρχιτεκτονικές αποτελούν βασικά δομικά στοιχεία για την υλοποίηση πλήρως ολοκληρωμένων φωτονικών υπολογιστικών συστημάτων για την εκτέλεση εφαρμογών ΤΝ.
Χρήστος Β. Παππάς (Thu,) studied this question.