Революционизируя машинное обучение использование 3D-обработки в фотонных ускорителях для достижения передового параллелизма и совместимости с вычислениями на периферии

Революционизация машинного обучения использование 3D-обработки в фотонных ускорителях для передового параллелизма и совместимости с периферийными вычислениями

“`html

В связи с технологическими достижениями и развитием машинного обучения объем данных значительно увеличился. Глобальное производство данных существенно выросло, достигнув 64,2 зеттабайта в 2020 году, и ожидается, что к 2025 году оно достигнет 181,0 зеттабайт. Физические науки, компьютерные науки, медицинские науки, распознавание речи, компьютерное зрение и обработка естественного языка – это некоторые области, в которых это имеет значительное применение. Большие объемы данных требуют значительных вычислительных ресурсов аппаратных систем.

Темпы, с которыми удваивается вычислительная мощность, необходимая для современных задач искусственного интеллекта, в настоящее время значительно выше, происходящие в среднем каждые 3,5 месяца. Чтобы быть в ногу с этим ростом, аппаратные возможности должны увеличиваться вчетверо каждые 3,5 месяца. Для повышения мощности обработки данных такой технологии одним из предложенных решений является расширение размерности данных. Хотя пространственное и волновое мультиплексирование уже использовались для обработки двумерных данных, требуется аппаратная реализация трехмерной обработки.

• Обработка визуального языка с помощью диалогово-ориентированного подхода и Amazon SageMaker JumpStart.
• Познакомьтесь с GlotLID моделью идентификации языка с открытым исходным кодом (LID), поддерживающей 1665 языков
• Познакомьтесь с Wonder3D новым методом искусственного интеллекта для эффективного создания высокодетализированных текстурированных 3D-моделей на основе изображений с одним ракурсом.

В результате исследователи из Университетов Оксфорда, Мюнстера, Гейдельберга и Эксетера разработали фотонно-электронное оборудование для обработки трехмерных данных (3D). Этот прорыв значительно улучшает параллелизм обработки данных для искусственного интеллекта (ИИ).

Исследователи использовали радиочастотную модуляцию для увеличения параллелизма фотонных коммуникаций, добавляя еще один уровень данных. Они смогли сделать это, используя волновое мультиплексирование и внедрение неволатильных памяти, распределенной по всему пространству. По сравнению с методами, которые просто используют пространственные и волновые флуктуации, ученым удалось достичь хорошего уровня параллелизма с этой системой, достигнув 100 и улучшив его на два порядка.

Исследовательская группа продвинула свою работу, увеличивая мощность обработки множителей матриц-векторов фотонного оборудования на еще одну параллельную размерность. С помощью многочисленных радиочастотных сигналов для кодирования данных это улучшение, известное как обработка более высокой размерности, повышает параллелизм до уровня, превышающего предыдущие достижения.

Исследовательская группа проверила риск внезапной смерти у пациентов с сердечными заболеваниями, изучая их электрокардиограммы в реальных условиях с помощью своего инновационного оборудования. Они успешно определили вероятность внезапной смерти с 93,5% точностью, анализируя одновременно 100 ЭКГ.

Исследователи также заявили, что эта методика может превзойти самые современные электрические процессоры, даже при небольшом увеличении входов и выходов. Это масштабируемость может привести к значительному увеличению плотности вычислений и энергоэффективности в 100 раз.

“`