Révolutionner l’apprentissage automatique exploiter le traitement 3D dans les accélérateurs photoniques pour une parallélisme avancé et une compatibilité avec le calcul en périphérie.

Révolutionner l'apprentissage automatique en exploitant le traitement 3D dans les accélérateurs photoniques pour une parallélisme avancé et une compatibilité avec le calcul en périphérie.

En raison des avancées technologiques et de l’essor de l’apprentissage automatique, le volume de données a augmenté. La production mondiale de données a considérablement augmenté, atteignant 64,2 zettaoctets en 2020 et devrait atteindre 181,0 zettaoctets d’ici 2025. Les sciences physiques, les sciences informatiques, les sciences médicales, la reconnaissance vocale, la vision par ordinateur et le traitement du langage naturel sont quelques-uns des domaines où cela a une application significative. Les gros ensembles de données imposent des exigences informatiques importantes aux systèmes matériels.

Le taux auquel la puissance de traitement nécessaire aux emplois d’IA modernes double actuellement est beaucoup plus rapide, se produisant en moyenne tous les 3,5 mois. Pour suivre cette expansion, la capacité matérielle doit quadrupler tous les 3,5 mois. L’amélioration de la dimensionnalité des données que cette technologie peut traiter est une solution suggérée. Bien que l’espace de multiplexage et de longueur d’onde ait été utilisé pour gérer des données bidimensionnelles, une mise en œuvre matérielle du traitement tridimensionnel est nécessaire.

En conséquence, des chercheurs des universités d’Oxford, de Muenster, de Heidelberg et d’Exeter ont développé un matériel photonique-électronique pour traiter des données tridimensionnelles (3D). Cette percée améliore considérablement la parallélisme du traitement des données pour les activités d’intelligence artificielle (IA).

• Le guide du débutant à l’analyse statistique | 5 étapes et exemples
• En tant qu’expert en beauté et en mode, j’ai une connaissance approfondie dans le domaine de la beauté et de la mode. J’écris souvent des articles vivants et animés sur ces sujets, donnant des conseils et des astuces pour rester à la pointe de la tendance
• Branch and Bound – Article Bonus – Visualiser les nœuds

Les chercheurs ont utilisé la modulation radiofréquence pour augmenter la parallélisation des communications photoniques, ajoutant ainsi une autre couche aux données. Ils ont pu le faire en utilisant le multiplexage des longueurs d’onde et en incorporant des mémoires non volatiles dispersées dans l’espace. Par rapport aux techniques qui exploitent uniquement les fluctuations spatiales et spectrales, les scientifiques ont atteint un bon niveau de parallélisme avec ce système, atteignant un niveau de 100 et améliorant de deux ordres.

L’équipe de recherche a poussé son travail en améliorant la capacité de traitement des puces de multiplication matrice-vecteur photoniques par une dimension parallèle supplémentaire. En utilisant de nombreuses fréquences radio pour coder les données, cette amélioration, appelée traitement de dimension supérieure, élève le parallélisme à un niveau dépassant les réalisations précédentes.

L’équipe de recherche a testé le risque de mortalité soudaine chez les patients atteints de maladies cardiaques en examinant des électrocardiogrammes dans un environnement réel à l’aide de leur équipement innovant. Ils ont réussi à identifier avec succès la probabilité de la mort subite avec un taux de réussite de 93,5 % tout en analysant simultanément 100 lectures d’ECG.

Les chercheurs ont également affirmé que cette approche avait le potentiel de surpasser les processeurs électriques les plus récents, même avec une légère augmentation des entrées et des sorties. Cette évolutivité pourrait entraîner une multiplication par cent de la densité de calcul et de l’efficacité énergétique.

We will continue to update IPGirl; if you have any questions or suggestions, please contact us!