NTT နှင့် Tokyo University တို့သည် လူ့ဦးနှောက်မှ လှုံ့ဆော်ပေးသော Algorithm ကို အသုံးပြု၍ ကမ္ဘာ့ပထမဆုံး Optical Computing AI ကို တီထွင်

ပူးပေါင်းဆောင်ရွက်ခြင်းသည် optical computing ကို အခြေခံ၍ ပါဝါနိမ့်၊ မြန်နှုန်းမြင့် AI ၏ လက်တွေ့အသုံးချမှုကို တိုးတက်စေသည်

တိုကျို-(စီးပွားရေးဝိုင်ယာ)-#နည်းပညာကောင်း-NTT ကော်ပိုရေးရှင်း (ဥက္ကဌနှင့် CEO: Akira Shimada, “NTT”) နှင့် တိုကျိုတက္ကသိုလ် (Bunkyo-ku၊ တိုကျို၊ သမ္မတ- Teruo Fujii) သည် analog လုပ်ဆောင်ချက်များကို အသုံးပြု၍ multi-layered artificial neural networks (DNN) အတွက် သင့်လျော်သော ဦးနှောက်၏ အချက်အလက်လုပ်ဆောင်ခြင်းမှ လှုံ့ဆော်ပေးသည့် သင်ယူမှုဆိုင်ရာ အယ်လဂိုရီသမ်အသစ်ကို တီထွင်ခဲ့သည်။ ဤအောင်မြင်မှုသည် AI အတွက် ပါဝါသုံးစွဲမှုနှင့် တွက်ချက်ချိန်ကို လျှော့ချပေးမည်ဖြစ်သည်။ ဤတိုးတက်မှုရလဒ်များကို ဗြိတိသျှသိပ္ပံဂျာနယ်တွင် ထုတ်ဝေခဲ့သည်။ သဘာဝတရားဆက်သွယ်ရေး ဒီဇင်ဘာလ 26 ရက်နေ့တွင်^th.

သုတေသီများသည် မြန်နှုန်းမြင့်၍ ပါဝါနည်းသော စက်သင်ယူမှုကိရိယာများကို အသုံးပြုရန် မျှော်လင့်ထားသည့် optical analog computation ကိုအသုံးပြုသည့် algorithm ကိုအသုံးပြုခြင်းဖြင့် သုတေသီများသည် ကမ္ဘာ့ပထမဆုံးသော သရုပ်ပြမှုကို အောင်မြင်ခဲ့ပါသည်။ ထို့အပြင် ၎င်းတို့သည် analog လုပ်ဆောင်ချက်များကို အသုံးပြုသည့် အလွှာပေါင်းစုံ အာရုံကြော ကွန်ရက်တစ်ခု၏ ကမ္ဘာ့အမြင့်ဆုံး စွမ်းဆောင်ရည်ကို ရရှိခဲ့သည်။

အရင်တုန်းကတော့ high-load learning calculations တွေကို ဒစ်ဂျစ်တယ်တွက်ချက်မှုတွေနဲ့ လုပ်ဆောင်ခဲ့ပေမယ့် analog တွက်ချက်မှုတွေကို အသုံးပြုခြင်းအားဖြင့် သင်ယူမှုအပိုင်းရဲ့ စွမ်းဆောင်ရည်ကို မြှင့်တင်ပေးနိုင်ကြောင်း သက်သေပြနေပါတယ်။ Deep Neural Network (DNN) နည်းပညာတွင်၊ နက်နဲသော reservoir computing ဟုခေါ်သော ထပ်တလဲလဲ အာရုံကြောကွန်ရက်တစ်ခုကို အာရုံကြောတစ်ခုအဖြစ် optical pulse နှင့် nonlinear optical ring ကို recursive connections ရှိသော neural network တစ်ခုအနေဖြင့် တွက်ချက်သည်။ တူညီသော optical circuit သို့ output signal ကို ပြန်လည်ထည့်သွင်းခြင်းဖြင့် ကွန်ရက်သည် အတုအယောင် နက်ရှိုင်းလာပါသည်။

DNN နည်းပညာသည် စက်ဘာသာပြန်ခြင်း၊ အလိုအလျောက်မောင်းနှင်ခြင်းနှင့် စက်ရုပ်များကဲ့သို့သော အဆင့်မြင့်ဥာဏ်ရည်တု (AI) ကို အသုံးပြုနိုင်မည်ဖြစ်သည်။ လက်ရှိတွင်၊ လိုအပ်သော ပါဝါနှင့် တွက်ချက်ချိန်သည် ဒစ်ဂျစ်တယ်ကွန်ပျူတာများ၏ စွမ်းဆောင်ရည်တိုးတက်မှုထက် ကျော်လွန်သည့်နှုန်းဖြင့် တိုးလာနေသည်။ Analog အချက်ပြတွက်ချက်မှုများ (analog operations) ကို အသုံးပြုသည့် DNN နည်းပညာသည် ဦးနှောက်၏ အာရုံကြောကွန်ရက်နှင့် ဆင်တူသော စွမ်းဆောင်ရည်မြင့်မားပြီး မြန်နှုန်းမြင့် တွက်ချက်မှုများကို အကောင်အထည်ဖော်ရန် မျှော်လင့်ထားသည်။ NTT နှင့် တိုကျိုတက္ကသိုလ်တို့ကြား ပူးပေါင်းဆောင်ရွက်မှုသည် DNN တွင်ပါဝင်သော သင်ယူမှုဘောင်များကို နားလည်သဘောပေါက်ခြင်းမရှိသော analog လုပ်ဆောင်ချက် DNN အတွက် သင့်လျော်သော အယ်လဂိုရီသမ်အသစ်ကို တီထွင်ခဲ့သည်။

အဆိုပြုထားသောနည်းလမ်းသည် ကွန်ရက်၏နောက်ဆုံးအလွှာအပေါ်အခြေခံ၍ သင်ယူမှုဘောင်များကိုပြောင်းလဲခြင်းနှင့် အလိုရှိသောအထွက်အချက်ပြလှိုင်း၏အမှားအယွင်း (အမှားအချက်ပြမှု) ၏လိုင်းမဟုတ်သောကျပန်းအသွင်ပြောင်းခြင်းဖြင့် လေ့လာသည်။ ဤတွက်ချက်မှုသည် optical circuits ကဲ့သို့သော အရာများတွင် analog တွက်ချက်မှုများကို ပိုမိုလွယ်ကူစေသည်။ ၎င်းကို ရုပ်ပိုင်းဆိုင်ရာ အကောင်အထည်ဖော်မှုများအတွက် မော်ဒယ်အဖြစ်သာမက စက်ဘာသာပြန်ဆိုခြင်းနှင့် DNN မော်ဒယ်အပါအဝင် AI မော်ဒယ်လ်များကဲ့သို့သော အပလီကေးရှင်းများတွင် အသုံးပြုသည့် နောက်ဆုံးပေါ်မော်ဒယ်အဖြစ်လည်း အသုံးပြုနိုင်သည်။ ဤသုတေသနပြုမှုသည် ပါဝါသုံးစွဲမှုနှင့် တွက်ချက်ချိန်တိုးမြှင့်ခြင်းအပါအဝင် AI တွက်ချက်မှုနှင့်ဆက်စပ်သော ပေါ်ပေါက်လာသောပြဿနာများကိုဖြေရှင်းရာတွင် အထောက်အကူဖြစ်စေမည်ဟု မျှော်လင့်ပါသည်။

ဤစာတမ်းပါ ပြဿနာများအတွက် အဆိုပြုထားသော နည်းလမ်း၏ အသုံးချနိုင်မှုကို စစ်ဆေးခြင်းအပြင်၊ NTT သည် အနာဂတ် optical အတွက် မြန်နှုန်းမြင့်၊ ပါဝါနိမ့်သော optical ကွန်ပြူတာ ပလပ်ဖောင်းကို တည်ထောင်ရန် ရည်ရွယ်၍ NTT သည် optical hardware ၏ အကြီးစားနှင့် အသေးစား ပေါင်းစပ်မှုကို မြှင့်တင်မည်ဖြစ်သည်။ ကွန်ရက်များ

ဤသုတေသနအတွက် ပံ့ပိုးမှု-

JST/CREST သည် ဤသုတေသနရလဒ်များ၏ တစ်စိတ်တစ်ပိုင်းကို ထောက်ခံထားသည်။

မဂ္ဂဇင်းထုတ်ဝေမှု-

မဂ္ဂဇင်း သဘာဝတရားဆက်သွယ်ရေး (အွန်လိုင်းဗားရှင်း- ဒီဇင်ဘာ ၂၆)

ဆောင်းပါးခေါင်းစဉ်- ဇီဝဗေဒမှုတ်သွင်းထားသော လေ့ကျင့်ရေးနည်းလမ်းဖြင့် ရုပ်ပိုင်းဆိုင်ရာ နက်ရှိုင်းစွာ သင်ယူခြင်း- ရုပ်ပိုင်းဆိုင်ရာ ဟာ့ဒ်ဝဲအတွက် Gradient-Free Approach

စာရေးသူ- Mitsumasa Nakajima၊ Katsuma Inoue၊ Kenji Tanaka၊ Yasuo Kuniyoshi၊ Toshikazu Hashimoto နှင့် Kohei Nakajima

Terminology ၏ ရှင်းလင်းချက်

1. အလင်းပြပတ်လမ်း- အီလက်ထရွန်းနစ် ဆားကစ်ထုတ်လုပ်မှုနည်းပညာကို အသုံးပြု၍ ဆီလီကွန် သို့မဟုတ် ကွမ်ဇ်အလင်းလှိုင်းလမ်းညွှန်များ ပေါင်းစပ်ထားသည့် ဆားကစ်တစ်ခု။ ဆက်သွယ်ရေးတွင်၊ optical ဆက်သွယ်မှုလမ်းကြောင်းများ၏ အကိုင်းအခက်များနှင့် ပေါင်းစည်းခြင်းကို optical interference၊ wavelength multiplexing/demultiplexing နှင့် အခြားအရာများဖြင့် လုပ်ဆောင်ပါသည်။
2. Backpropagation (BP) နည်းလမ်း- နက်နဲသောသင်ယူမှုတွင် အသုံးအများဆုံး သင်ယူမှု algorithm။ အမှားအယွင်းအချက်ပြမှုကို နောက်သို့ပြန့်ပွားစဉ်တွင် ကွန်ရက်အတွင်းရှိ အလေးများ (ပါရာမီတာများ) ၏ အတန်းလိုက်များကို ရရှိပြီး အမှားအယွင်းများ ပိုမိုသေးငယ်သွားစေရန် အလေးချိန်များကို အပ်ဒိတ်လုပ်ထားသည်။ နောက်ကြောင်းပြန်ပြန့်ပွားခြင်းလုပ်ငန်းစဉ်သည် ကွန်ရက်မော်ဒယ်၏ အလေးချိန်မက်ထရစ်ကို ကူးပြောင်းခြင်းနှင့် လိုင်းမဆန်သော ကွဲပြားခြင်းတို့ကို လိုအပ်သောကြောင့်၊ သက်ရှိသက်ရှိများ၏ ဦးနှောက်အပါအဝင် analog circuits များတွင် အကောင်အထည်ဖော်ရန် ခက်ခဲသည်။
3. Analog computing- စစ်မှန်သောတန်ဖိုးများကိုဖော်ပြသော ကွန်ပျူတာ အလင်း၏ပြင်းထန်မှုနှင့် အဆင့်၊ သံလိုက်ဓာတ်ဝင်သွားသည့် ဦးတည်ချက်နှင့် ပြင်းထန်မှုကဲ့သို့သော ရုပ်ပိုင်းဆိုင်ရာပမာဏများကို အသုံးပြုကာ ရူပဗေဒဆိုင်ရာ နိယာမများနှင့်အညီ ဤရုပ်ပိုင်းဆိုင်ရာပမာဏများကို ပြောင်းလဲခြင်းဖြင့် တွက်ချက်မှုများလုပ်ဆောင်သည်။
4. တိုက်ရိုက်တုံ့ပြန်ချက် ချိန်ညှိမှု (DFA) နည်းလမ်း- နောက်ဆုံးအလွှာ၏ အမှားအချက်ပြမှုတွင် လိုင်းမဟုတ်သော ကျပန်းအသွင်ပြောင်းခြင်းကို လုပ်ဆောင်ခြင်းဖြင့် အလွှာတစ်ခုစီ၏ အမှားအချက်ပြမှုကို pseudo တွက်ချက်သည့် နည်းလမ်းတစ်ခု။ ၎င်းသည် ကွန်ရက်မော်ဒယ်၏ ကွဲပြားသောအချက်အလက်ကို မလိုအပ်ဘဲ အပြိုင်ကျပန်းအသွင်ပြောင်းခြင်းဖြင့်သာ တွက်ချက်နိုင်သောကြောင့် ၎င်းသည် analog တွက်ချက်မှုနှင့် တွဲဖက်အသုံးပြုနိုင်ပါသည်။
5. Reservoir computing- လျှို့ဝှက်အလွှာရှိ ထပ်တလဲလဲချိတ်ဆက်မှုများရှိသော အာရုံကြောကွန်ရက် အမျိုးအစားတစ်ခု။ ၎င်းသည် reservoir layer ဟုခေါ်သော အလယ်အလတ်အလွှာတစ်ခုတွင် ချိတ်ဆက်မှုများကို ကျပန်းပြုပြင်ခြင်းဖြင့် သွင်ပြင်လက္ခဏာဖြစ်သည်။ နက်ရှိုင်းသော ရေလှောင်ကန်တွက်ချက်မှုတွင်၊ အလွှာများစွာရှိ ရေလှောင်ကန်အလွှာများကို ချိတ်ဆက်ခြင်းဖြင့် အချက်အလက်များ စီမံဆောင်ရွက်ပေးသည်။

NTT နှင့် NTT လိုဂိုများသည် NIPPON TELEGRAPH AND TELEPHONE CORPORATION နှင့်/သို့မဟုတ် ၎င်း၏လုပ်ငန်းခွဲများ၏ ကုန်သွယ်မှုအမှတ်တံဆိပ်များ သို့မဟုတ် ကုန်အမှတ်တံဆိပ်များဖြစ်သည်။ အခြားရည်ညွှန်းထားသော ထုတ်ကုန်အမည်များအားလုံးသည် ၎င်းတို့၏ သက်ဆိုင်ရာပိုင်ရှင်များ၏ ကုန်အမှတ်တံဆိပ်များဖြစ်သည်။ © 2023 NIPPON တယ်လီဂရပ်ဖ်နှင့် တယ်လီဖုန်းကော်ပိုရေးရှင်း

ဆက်သွယ်ရန်

Stephen Russell ၊

Wireside ဆက်သွယ်ရေး®

NTT အတွက်

+ 1-804-362-7484

[အီးမေးလ်ကိုကာကွယ်ထားသည်]