George Washington Üniversitesi araştırmacıları, matematiksel işlemleri yürütmek için bir fotonik işlemci kullanımı sundu. Bu, ağdaki cihazlarda inanılmaz derecede hızlı ve güç tasarruflu makine öğrenimine olanak sağlayabilir.
Bir tensör işleme ünitesi (TPU), Google tarafından özellikle şirketin TensorFlow çerçevesini kullanarak makine öğrenimi amacıyla geliştirilen bir çiptir. TPU’nun, daha güçlü bir sinyal ve daha fazla enerji verimliliği nedeniyle, grafik işlem birimlerinden (GPU’lar) neredeyse üç büyüklük sırasına göre daha iyi performans gösterdiği sergilenmiştir.
Makine öğrenimi hesaplama açısından pahalıdır, işlemler her seferinde birer birer gerçekleşirken önbellek için sürekli erişim gereklidir ve bu da bir darboğaz oluşturur. GPU’lar ve TPU’lar gibi özel makine öğrenimi mimarisi bu darboğazın etkisini azaltmak için tasarlanmış olsa da, yavaş ve güce aç kalır.
Zaman ve Güç Tüketimi Azaltılabilir
George Washington Üniversitesi araştırmacılarından oluşan bir ekip, makine öğrenimi sırasında zaman ve güç tüketimini azaltarak paralel olarak operasyonlar gerçekleştirebilen alternatif platformlara baktı.
Sinir ağlarını, özellikle matris çarpımını eğitmek amacıyla temel matematiksel işlemleri gerçekleştirmek için fotonik bir TPU kullanmayı denediler. Bu işlemci, dalga boyu bölmeli çoğullama yoluyla paralel olarak birçok işlemi gerçekleştirebildi: tek bir optik fiber üzerinde birden fazla sinyal çalıştırmak için farklı ışık dalga boylarının kullanılmasıyla.
Fotonik işlemci kullanılarak gerçekleştirilen işlemler, yerel ısıtmaya ve çok düşük gecikme sürelerine yanıt olarak optik özelliklerini ayarlayan bir tasarım sayesinde sıfıra yakın statik güç tüketimine olanak sağladı. Çalışmayı açıklayan Uygulamalı Fizik İnceleme makalesine göre, sadece onlarca pikosaniyelik devredeki gecikmeler sayesinde her saniyede 2×1015’e kadar işlem yapılabilir (iki petaFLOPS¹).
Çalışmanın ortak yazarı Profesör Mario Miscuglio, uygun şekilde tasarlandığında ve eğitildiğinde, entegre fotonik işlemcilerin “ışık hızında” çalışabileceğini söyledi. Miscuglio, “Çalışmanın mimarisi, yalnızca çipteki fotonun uçuş süresi ile sınırlı yürütme süresini gösteriyor” ifadesini kullandı.
İşlemci yaklaşık 80W güç tüketmesine rağmen, performansının (joule başına işlemler açısından) benzer çip alanlarına sahip geleneksel bir elektrikli TPU’dan iki ila üç büyüklük derecesinde daha yüksek olduğu tahmin edilmektedir. Makine öğrenimi için enerji ve zaman maliyetini azaltmak, TPU’ların işlenmesi için buluta büyük hacimlerde veri göndermek zorunda kalmadan daha fazla mobil cihaza ve bilgisayara gömülmesine olanak sağlayabilir.
Araştırmacılar, bu çalışmanın fotonik uzman işlemcilerin elektronik sistemleri artırma potansiyeline sahip olduğunu ve yaklaşmakta olan 5G ağlarındaki ve ötesindeki ağ kenarı cihazlarda olağanüstü iyi performans gösterebileceğini söylediler.
1. Flops: Saniyedeki kayan noktalı sayı ile yapılan (floating-point number) işlem sayısıdır. Mikroişlemcilerin hız performansını göstermek için kullanılan bir ölçüdür.
** PetaFlops: Saniyede 1 katrilyon işlem yapabilen donanıma sahip anlamına gelmektedir.