Silicon Chip implementiert lichtbasiertes neuronales Netzwerk für schnellere, energieeffiziente Signalverarbeitung

• Forscher haben einen Siliziumchip entwickelt, der Lichtsignale präzise verteilt und so ein neues neuronales Netzwerkdesign demonstriert. 
• Das Licht eliminiert Störungen durch elektrische Ladung und kann sich schneller und weiter ausbreiten. 

Die Entwicklung energieeffizienter und hochkompakter Verbindungen war ein zentrales Forschungsziel der integrierten Photonik. Sie haben ein breites Anwendungsspektrum, einschließlich effektiver Telekommunikation und chipübergreifender Kommunikation mit hoher Bandbreite in CMOS-Geräten.

Viele Wissenschaftler auf der ganzen Welt arbeiten an künstlichen neuronalen Netzwerkschaltkreisen, um das menschliche Gehirn nachzuahmen. Die herkömmliche elektrische Verkabelung von Halbleiterschaltkreisen ist jedoch nicht in der Lage, die äußerst komplexe Verkabelung zu bewältigen, die für fortschrittliche neuronale Netze erforderlich ist.

Kürzlich haben Wissenschaftler am National Institute of Standards and Technology einen Siliziumchip entwickelt, der optische Signale präzise über ein winziges gehirnähnliches Gitter streut und so ein neues neuronales Netzwerkdesign demonstriert.

Die künstlichen neuronalen Netze haben außergewöhnliche Fähigkeiten beim Lernen und Modellieren nichtlinearer komplexer Probleme gezeigt, darunter Bildverarbeitung, Zeichenerkennung und Datenvorhersage. Nun hat das Forschungsteam Lichtsignale (anstelle elektrischer Signale) verwendet, um diese neuronalen Netze zu implementieren.

Vorteile der Verwendung von Licht gegenüber elektrischen Signalen

Der Hauptgrund für die Verwendung von Licht anstelle elektrischer Signale besteht darin, dass Licht durch elektrische Ladung verursachte Störungen eliminiert und somit eine längere Kommunikation mit höherer Geschwindigkeit und geringerer Leistung erreicht werden kann.

Es kann die Leistung der wissenschaftlichen Datenanalyse verbessern. Dazu gehören Untersuchungen zur Quantendatenwissenschaft, die Suche nach Exoplaneten und die Entwicklung autonomer Fahrzeugsteuerungssysteme.

Ein herkömmlicher Computer verarbeitet Daten über codierte Regeln oder Algorithmen, während das neuronale Netzwerk auf mehreren Verbindungen zwischen Verarbeitungseinheiten, sogenannten Neuronen, basiert. Die mehreren Schichten von Neuronen können trainiert werden, um bestimmte Aufgaben auszuführen. Typischerweise enthält eine neuromorphe Maschine eine große, komplizierte Struktur neuronaler Netze.

Wie wurde ein optischer Chip gebaut?

Der neue Siliziumchip nutzt Lichtsignale, indem er zwei photonische Wellenleiterschichten (vertikal) stapelt. Dadurch wird das Licht auf schmalere Linien beschränkt, um Lichtsignale zu leiten. Genauer gesagt ermöglicht die Stapelung von Wellenleitern eine dichte Integration mit geringem Übersprechen und verlustarmen Wellenleiterkreuzungen.

Referenz:APL Photonics | doi:10.1063/1.5039641 | NIST

Das 3D-Design ermöglicht komplexe Routing-Schemata und kann mit zusätzlichen Schichten integriert werden, um kompliziertere Aufgaben auszuführen.

In dieser Arbeit stellten sie gestapelte Wellenleiter vor, die ein 3D-Gitter mit 10 Eingängen erzeugen, die jeweils mit 10 Ausgängen verbunden sind. Im Grunde handelt es sich um ein Routing zwischen zwei Schichten eines Feed-Forward-Neuronalen Netzwerks mit insgesamt 100 Empfängern.

Photonischer Routing-Verteiler | Bildnachweis: Chiles / NIST

Sie verwendeten Siliziumnitrid, um diese Wellenleiter zu bauen (jeder ist 400 Nanometer dick und 800 Nanometer breit) und stellten sie auf einem Siliziumwafer her. Sie entwickelten außerdem ein spezielles Programm zur automatischen Signalweiterleitung mit geeignetem (konfigurierbarem) Konnektivitätsgrad zwischen den Neuronen.

Dann verwendeten sie eine optische Faser, um Laserlicht in den Siliziumchip zu leiten. Ziel war es, jeden einzelnen Eingang zu allen Ausgängen zu leiten und dabei einem Verteilungsmuster für Lichtleistung oder -intensität zu folgen. Unterschiedliche Leistungsstufen zeigen einen unterschiedlichen Grad an Konnektivität und Muster innerhalb der Schaltung.

Die Forscher zeigten zwei Schemata zur Steuerung der Ausgangsintensität –

1. Gleichmäßig:Alle Ausgänge erhalten die gleiche Leistung.
2. Glockenkurvenverteilung:Der größte Teil der Kraft wird auf mittlere Neuronen übertragen.

Lesen Sie:Eine neue Form von Licht, die Quantencomputing mit Photonen ermöglichen könnte

Um die Ergebnisse genau zu analysieren, erstellten sie Bilder der aus der letzten Schicht kommenden Signale. Der Ausgang wies niedrige Fehlerraten und eine präzise Leistungsverteilung auf. Bei einer Wellenlänge von 1320 Nanometern wurde festgestellt, dass die gleichmäßige Verteilung und die Glockenkurvenverteilung mittlere Ausgangsleistungsfehler von 0,7 und 0,9 dB aufwiesen.