पावलोवियन एसोसिएटिव लर्निंग सीखने का एक बुनियादी रूप है जो मनुष्यों और जानवरों के व्यवहार को आकार देता है। हालांकि, "पारंपरिक" एएनएन पर बैकप्रोपेगेशन पद्धति का उपयोग करके प्रशिक्षण, विशेष रूप से आधुनिक गहरे तंत्रिका नेटवर्क में, कम्प्यूटेशनल और ऊर्जा गहन है।
ऑप्टिकल समानांतर प्रसंस्करण के साथ पावलोवियन सीखने पर आधारित नया शोध विभिन्न एआई कार्यों के लिए रोमांचक क्षमता को प्रदर्शित करता है।
से वैज्ञानिकों ऑक्सफोर्ड विश्वविद्यालयसामग्री विभाग, एक्सेटर के विश्वविद्यालय, और मुंस्टर ने एक ऑन-चिप ऑप्टिकल प्रोसेसर विकसित किया है जो इलेक्ट्रॉनिक प्रोसेसर पर चलने वाले पारंपरिक मशीन लर्निंग एल्गोरिदम की तुलना में 1,000 गुना तेजी से डेटासेट में समानता का पता लगा सकता है।
एसोसिएटिव मोनाडिक लर्निंग एलिमेंट (एएमएलई) एक मेमोरी सामग्री का उपयोग करता है जो डेटासेट में समान विशेषताओं को एक साथ जोड़ने के लिए पैटर्न सीखता है, पावलोव द्वारा "मैच" के मामले में देखे गए सशर्त रिफ्लेक्स का अनुकरण करता है, न कि तंत्रिका नेटवर्क द्वारा "फाइन- धुन "परिणाम।
सीखने की प्रक्रिया की निगरानी के लिए, AMLE इनपुट को उपयुक्त आउटपुट के साथ जोड़ा जाता है, और मेमोरी सामग्री को लाइट सिग्नल का उपयोग करके रीसेट किया जा सकता है। केवल पांच जोड़ी छवियों के साथ प्रशिक्षण के बाद, एएमएलई का परीक्षण किया गया और एक बिल्ली और गैर-बिल्ली छवियों के बीच अंतर पाया गया।
पारंपरिक इलेक्ट्रॉनिक चिप की तुलना में नई ऑप्टिकल चिप की काफी प्रदर्शन क्षमता डिजाइन में दो प्रमुख अंतरों के लिए नीचे है:
- एक अद्वितीय नेटवर्क आर्किटेक्चर जिसमें न्यूरॉन्स और ए . का उपयोग करने के बजाय बिल्डिंग ब्लॉक के रूप में सहयोगी सीखने को शामिल किया गया है तंत्रिका नेटवर्क.
- कम्प्यूटेशनल गति बढ़ाने के लिए, एक चैनल पर विभिन्न तरंग दैर्ध्य पर कई ऑप्टिकल सिग्नल भेजने के लिए 'वेवलेंथ-डिवीजन मल्टीप्लेक्सिंग' का उपयोग करें।
चिप प्रौद्योगिकी सूचना घनत्व को अधिकतम करने के लिए डेटा संचारित करने और प्राप्त करने के लिए प्रकाश का उपयोग करती है। विभिन्न तरंग दैर्ध्य पर कई संकेतों को समानांतर प्रसंस्करण के लिए एक साथ आपूर्ति की जाती है, पहचान कार्य का पता लगाने के समय में तेजी आती है। कंप्यूटिंग की गति प्रत्येक तरंग दैर्ध्य के साथ बढ़ती है।
मुंस्टर विश्वविद्यालय के सह-लेखक प्रोफेसर वोल्फ्राम पर्निस ने समझाया: "डिवाइस स्वाभाविक रूप से समग्र गणना गति को बढ़ाने के लिए प्रकाश का उपयोग करते हुए समानांतर में ऐसा करते हुए डेटासेट में समानता को पकड़ लेता है - जो पारंपरिक इलेक्ट्रॉनिक चिप्स की क्षमताओं से कहीं अधिक हो सकता है।"
सह-प्रथम लेखक प्रोफेसर ज़ेंगगुआंग चेंग, जो अब फुडन विश्वविद्यालय में हैं, ने कहा, "यह उन समस्याओं के लिए अधिक कुशल है जिन्हें डेटासेट में अत्यधिक जटिल सुविधाओं के पर्याप्त विश्लेषण की आवश्यकता नहीं है। कई शिक्षण कार्य मात्रा आधारित होते हैं और उनमें जटिलता का स्तर नहीं होता है - इन मामलों में, सहयोगी शिक्षण कार्यों को अधिक तेज़ी से और कम कम्प्यूटेशनल लागत पर पूरा कर सकता है।"
अध्ययन का नेतृत्व करने वाले प्रोफेसर हरीश भास्करन, कहा, "यह तेजी से स्पष्ट हो रहा है कि एआई कई नवाचारों के केंद्र में होगा जो हम मानव इतिहास के आने वाले चरण में देखेंगे। यह कार्य तेज ऑप्टिकल प्रोसेसर को साकार करने का मार्ग प्रशस्त करता है जो विशेष प्रकार के डेटा संघों को कैप्चर करता है AI गणना, हालांकि आगे अभी भी कई रोमांचक चुनौतियाँ हैं।"
जर्नल संदर्भ:
- जेम्स वाईएस टैन, ज़ेंगगुआंग चेंग, एट अल। मोनाडिक पावलोवियन एसोसिएटिव लर्निंग इन बैकप्रोपेगेशन-फ्री फोटोनिक नेटवर्क। optica 9, 792-802 (2022)। डीओआई: 10.1364/ऑप्टिका.455864
