論文の概要: Photonic tensor cores for machine learning

• arxiv url: http://arxiv.org/abs/2002.03780v2
• Date: Mon, 29 Jun 2020 16:01:51 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-05 01:19:30.528674
• Title: Photonic tensor cores for machine learning
• Title（参考訳）: 機械学習のためのフォトニックテンソルコア
• Authors: Mario Miscuglio, Volker J. Sorger
• Abstract要約: 本稿では,行列ベクトルの乗算と和を行うためのフォトニクスベースのTPUを提案する。 この8ビットフォトニックTPUの性能は、同様のチップ領域を特徴とする電気的TPUよりも2～3桁高い。 この研究は、フォトニック特化プロセッサが電子システムを増強する可能性を示し、5Gネットワークを略奪するネットワークエッジデバイスで異常によく機能する可能性があることを示している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With an ongoing trend in computing hardware towards increased heterogeneity, domain-specific co-processors are emerging as alternatives to centralized paradigms. The tensor core unit (TPU) has shown to outperform graphic process units by almost 3-orders of magnitude enabled by higher signal throughout and energy efficiency. In this context, photons bear a number of synergistic physical properties while phase-change materials allow for local nonvolatile mnemonic functionality in these emerging distributed non van-Neumann architectures. While several photonic neural network designs have been explored, a photonic TPU to perform matrix vector multiplication and summation is yet outstanding. Here we introduced an integrated photonics-based TPU by strategically utilizing a) photonic parallelism via wavelength division multiplexing, b) high 2 Peta-operations-per second throughputs enabled by 10s of picosecond-short delays from optoelectronics and compact photonic integrated circuitry, and c) zero power-consuming novel photonic multi-state memories based on phase-change materials featuring vanishing losses in the amorphous state. Combining these physical synergies of material, function, and system, we show that the performance of this 8-bit photonic TPU can be 2-3 orders higher compared to an electrical TPU whilst featuring similar chip areas. This work shows that photonic specialized processors have the potential to augment electronic systems and may perform exceptionally well in network-edge devices in the looming 5G networks and beyond.
• Abstract（参考訳）: ハードウェアのヘテロゲニティ向上に向けたコンピューティングのトレンドが続いている中、ドメイン固有のコプロセッサが集中型パラダイムの代替として登場している。 テンソルコアユニット (tpu) は、より高い信号とエネルギー効率により、グラフィックプロセスユニットを約3桁の等級で上回ることが示されている。 この文脈では、光子は多くの相乗的物理的性質を持ち、相変化材料はこれらの新興の非ファン・ノイマンアーキテクチャにおいて局所的な非揮発性メノニックな機能を許容する。 いくつかのフォトニックニューラルネットワークの設計が検討されているが、行列ベクトル乗算と和を行うフォトニックTPUはまだ未完成である。 ここでは、戦略的利用による統合フォトニクスベースのTPUを提案する。 a)波長分割多重化によるフォトニック並列化 b)光エレクトロニクス及びコンパクトフォトニック集積回路からのピコ秒短絡10秒で実現されたハイ2ペタ演算秒スループット c) アモルファス状態の消失を特徴とする相変化材料に基づくゼロ電力消費新規多状態記憶 これらの物質, 機能, システムの物理的相乗効果を組み合わせることで, この8ビットフォトニックTPUの性能は, 類似のチップ領域を特徴とする電気的TPUよりも2～3桁高い。 この研究は、フォトニック特化プロセッサが電子システムを増強する可能性を示し、5Gネットワークを略奪するネットワークエッジデバイスで異常によく機能することを示している。

関連論文リスト

• Scaling on-chip photonic neural processors using arbitrarily programmable wave propagation [4.026285531740364]
  ニューラルネットワーク用のオンチップフォトニックプロセッサは、速度とエネルギー効率の両方に潜在的な利点があるが、電子プロセッサを上回るスケールには達していない。 空間の関数としての屈折率を$n(x,z)$とすることで、デバイス内の波動伝搬を任意に制御できる装置を提案する。 これは、離散的なコンポーネントに依存した以前のフォトニックチップを超えるスケールであり、連続波のパラダイムの利点を示している。
  論文  参考訳（メタデータ） (2024-02-27T18:37:22Z)
• TeMPO: Efficient Time-Multiplexed Dynamic Photonic Tensor Core for Edge AI with Compact Slow-Light Electro-Optic Modulator [44.74560543672329]
  我々は,TMPOと呼ばれる時間多重化動的フォトニックテンソルアクセラレータを,クロス層デバイス/回路/アーキテクチャのカスタマイズにより提案する。 我々は,368.6TOPSピーク性能,22.3TOPS/Wエネルギー効率,1.2TOPS/mm$2$計算密度を実現した。 この研究は、多層共設計とドメイン固有のカスタマイズの力を示し、将来の電子フォトニクス加速器への道を開く。
  論文  参考訳（メタデータ） (2024-02-12T03:40:32Z)
• All-optical modulation with single-photons using electron avalanche [69.65384453064829]
  単光子強度ビームを用いた全光変調の実証を行った。 本稿では,テラヘルツ高速光スイッチングの可能性を明らかにする。
  論文  参考訳（メタデータ） (2023-12-18T20:14:15Z)
• Integrated multi-operand optical neurons for scalable and hardware-efficient deep learning [10.157562103034]
  この研究は、カスタマイズされたマルチオペランドフォトニックデバイスに基づくスケーラブルで効率的な光学ドット生成エンジンを提案する。 画像認識におけるマルチオペランドMach-Zehnder-Interferometer (MOMZI) を用いたMOONの有用性を実験的に実証した。
  論文  参考訳（メタデータ） (2023-05-31T06:25:39Z)
• Simulation of Entanglement Generation between Absorptive Quantum Memories [56.24769206561207]
  我々は、QUantum Network Communication (SeQUeNCe) のオープンソースシミュレータを用いて、2つの原子周波数コム(AFC)吸収量子メモリ間の絡み合いの発生をシミュレートする。 本研究は,SeQUeNCe における truncated Fock 空間内の光量子状態の表現を実現する。 本研究では,SPDC音源の平均光子数と,平均光子数とメモリモード数の両方で異なる絡み合い発生率を観測する。
  論文  参考訳（メタデータ） (2022-12-17T05:51:17Z)
• All-Photonic Artificial Neural Network Processor Via Non-linear Optics [0.0]
  本稿では,全フォトニックニューラルネットワークプロセッサを提案する。 情報はニューロンとして機能する周波数モードの振幅に符号化される。 私たちのアーキテクチャは、完全にユニタリで可逆的な計算方法を提供するという点でユニークなものです。
  論文  参考訳（メタデータ） (2022-05-17T19:55:30Z)
• Experimentally realized in situ backpropagation for deep learning in nanophotonic neural networks [0.7627023515997987]
  私たちは、カスタムデザインの「フォトニックメッシュ」アクセラレーターをカスケードする、大量製造可能なシリコンフォトニックニューラルネットワークを設計します。 In situ backproagation を初めて示し、分類課題を解く。 本研究は、フォトニクス加速人工知能の新しいトレーニングパラダイムを、一般的なバックプロパゲーション手法の物理的類似に基づいて提案するものであることを示唆する。
  論文  参考訳（メタデータ） (2022-05-17T17:13:50Z)
• All-optical graph representation learning using integrated diffractive photonic computing units [51.15389025760809]
  フォトニックニューラルネットワークは、電子の代わりに光子を用いて脳にインスパイアされた計算を行う。 我々は、DGNN(diffractive graph neural network)と呼ばれる全光グラフ表現学習アーキテクチャを提案する。 ベンチマークデータベースを用いたノードおよびグラフレベルの分類タスクにおけるDGNN抽出機能の利用を実演し、優れた性能を実現する。
  論文  参考訳（メタデータ） (2022-04-23T02:29:48Z)
• Electromagnetically induced transparency in inhomogeneously broadened divacancy defect ensembles in SiC [52.74159341260462]
  電磁誘導透過 (EIT) は、光信号と電子スピンの量子コヒーレンスの間に強く堅牢な相互作用を与える現象である。 この材料プラットフォームにおいても,計測幾何学の慎重に設計した上で,EITを高視認性で確立できることが示される。 本研究は,多層システムにおけるEITの非均一性に対する理解を提供し,半導体の幅広い欠陥に対する考察である。
  論文  参考訳（メタデータ） (2022-03-18T11:22:09Z)
• Interleaving: Modular architectures for fault-tolerant photonic quantum computing [50.591267188664666]
  フォトニック核融合型量子コンピューティング(FBQC)は低損失フォトニック遅延を用いる。 FBQCのモジュールアーキテクチャとして,これらのコンポーネントを結合して「インターリービングモジュール」を形成するアーキテクチャを提案する。 遅延の乗法的パワーを行使すると、各加群はヒルベルト空間に数千の物理量子ビットを加えることができる。
  論文  参考訳（メタデータ） (2021-03-15T18:00:06Z)
• Rapid characterisation of linear-optical networks via PhaseLift [51.03305009278831]
  集積フォトニクスは優れた位相安定性を提供し、半導体産業によって提供される大規模な製造性に依存することができる。 このような光回路に基づく新しいデバイスは、機械学習アプリケーションにおいて高速でエネルギー効率の高い計算を約束する。 線形光ネットワークの転送行列を再構成する新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-10-01T16:04:22Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。