레이저 기반 인공 뉴런은 빛의 속도로 신경 세포 기능을 모방합니다.

연구자들은 생물학적 등급 뉴런의 기능, 역학 및 정보 처리를 완전히 에뮬레이트하는 레이저 기반 인공 뉴런을 개발했습니다. 생물학적 대응보다 10억 배 빠른 10GBaud의 신호 처리 속도를 갖춘 새로운 레이저 등급 뉴런은 인공 지능 및 기타 유형의 고급 컴퓨팅과 같은 분야에서 획기적인 발전을 가져올 수 있습니다.

신체에는 막 전위의 지속적인 변화를 통해 정보를 암호화하는 등급화된 뉴런을 포함하여 다양한 유형의 신경 세포가 포함되어 있어 미묘하고 정확한 신호 처리가 가능합니다. 대조적으로, 생물학적 스파이킹 뉴런은 전부 아니면 전무 활동 전위를 사용하여 정보를 전송하여 보다 이원적인 형태의 의사소통을 생성합니다.

"우리의 레이저 등급 뉴런은 현재의 광자 버전의 스파이킹 뉴런의 속도 제한을 극복했으며 훨씬 더 빠른 작동 가능성을 가지고 있습니다"라고 홍콩 중문 대학교의 연구팀장인 Chaoran Huang이 말했습니다. "뉴런과 같은 비선형 역학과 빠른 처리를 활용하여 패턴 인식 및 시퀀스 예측과 같은 AI 작업에서 탁월한 성능을 보여주는 저장소 컴퓨팅 시스템을 구축했습니다."

~ 안에 광학Optica Publishing Group의 고영향 연구 저널에 따르면, 연구진은 칩 기반 양자점 레이저 등급 뉴런이 10GBaud의 신호 처리 속도를 달성할 수 있다고 보고했습니다. 그들은 이 속도를 사용하여 1억 개의 심장 박동 또는 3,470만 개의 손으로 쓴 디지털 이미지의 데이터를 단 1초 만에 처리했습니다.

Huang은 "우리 기술은 높은 정확도를 유지하면서 시간이 중요한 애플리케이션에서 AI 의사 결정을 가속화할 수 있습니다."라고 말했습니다. "우리는 소스 근처에서 데이터를 처리하는 엣지 컴퓨팅 장치에 우리 기술을 통합함으로써 미래에 에너지 소비를 줄이면서 실제 애플리케이션에 더 나은 서비스를 제공하는 더 빠르고 스마트한 AI 시스템을 촉진할 수 있기를 바랍니다."

더 빠른 레이저 뉴런

생물학적 뉴런의 동작을 모방하는 방식으로 입력 신호에 반응할 수 있는 레이저 기반 인공 뉴런은 초고속 데이터 처리 속도와 낮은 에너지 소비 덕분에 컴퓨팅을 크게 향상시키는 방법으로 연구되고 있습니다. 그러나 지금까지 개발된 것의 대부분은 광자 스파이킹 뉴런이었습니다. 이러한 인공 뉴런은 응답 속도가 제한되어 있고 정보 손실이 발생할 수 있으며 추가 레이저 소스와 변조기가 필요할 수 있습니다.

광자 스파이킹 뉴런의 속도 제한은 일반적으로 레이저의 이득 섹션에 입력 펄스를 주입하여 작동한다는 사실에서 비롯됩니다. 이로 인해 뉴런이 반응할 수 있는 속도가 제한되는 지연이 발생합니다. 레이저 등급 뉴런의 경우, 연구진은 양자점 레이저의 포화 흡수 섹션에 무선 주파수 신호를 주입하여 이러한 지연을 방지하는 다른 접근 방식을 사용했습니다. 또한 더 빠르고 간단하며 에너지 효율적인 시스템을 생산하기 위해 포화 흡수 섹션을 위한 고속 무선 주파수 패드를 설계했습니다.

강력한 기억 효과와 탁월한 정보 처리 능력을 갖춘 단일 레이저 등급 뉴런은 작은 신경망처럼 행동할 수 있다고 Huang은 말했습니다. "따라서 추가적인 복잡한 연결 없이 단일 레이저 등급 뉴런이라도 고성능으로 기계 학습 작업을 수행할 수 있습니다."

고속 저장소 컴퓨팅

레이저 등급 뉴런의 기능을 추가로 입증하기 위해 연구원들은 이를 사용하여 저장소 컴퓨팅 시스템을 만들었습니다. 이 계산 방법은 저장소라고 알려진 특정 유형의 네트워크를 사용하여 음성 인식 및 날씨 예측에 사용되는 것과 같은 시간 종속 데이터를 처리합니다. 뉴런과 같은 비선형 역학과 레이저 등급 뉴런의 빠른 처리 속도는 고속 저장소 컴퓨팅을 지원하는 데 이상적입니다.

테스트에서 결과 저장소 컴퓨팅 시스템은 처리 속도가 빠른 다양한 AI 애플리케이션 전반에 걸쳐 탁월한 패턴 인식 및 시퀀스 예측, 특히 장기 예측을 보여주었습니다. 예를 들어 초당 1억 개의 심장박동을 처리하고 평균 98.4%의 정확도로 부정맥 패턴을 감지했습니다.

Huang은 "이 연구에서 우리는 단일 레이저 등급 뉴런을 사용했지만 뇌에 수십억 개의 뉴런이 네트워크에서 함께 작동하는 것처럼 여러 개의 레이저 등급 뉴런을 계단식으로 연결하면 잠재력이 더욱 발휘될 것이라고 믿습니다."라고 말했습니다. "우리는 레이저 등급 뉴런의 처리 속도를 향상시키는 동시에 계단식 레이저 등급 뉴런을 통합하는 심층 저장소 컴퓨팅 아키텍처를 개발하기 위해 노력하고 있습니다."

출처: https://www.sciencedaily.com/releases/2024/12/241219152223.htm