Superdatorer är extremt snabba, men använder också mycket ström. Neuromorphic computing, som tar vår hjärna som modell för att bygga snabba och energieffektiva datorer, kan erbjuda ett gångbart och välbehövligt alternativ. Tekniken har en mängd möjligheter, till exempel inom autonom körning, tolkning av medicinska bilder, edge AI eller optisk långdistanskommunikation. Elektroingenjören Patty Stabile är en pionjär när det gäller att utforska nya hjärn- och biologiinspirerade datorparadigm. "TU/e kombinerar allt som krävs för att demonstrera möjligheterna med fotonbaserad neuromorf beräkning för AI-tillämpningar."

Patty Stabile, docent vid avdelningen för elektroteknik, var bland de första som gick in på det framväxande området för fotonisk neuromorf datoranvändning.

"Jag hade arbetat med ett förslag om att bygga fotoniska digitala artificiella neuroner när forskare från MIT 2017 publicerade en artikel som beskrev hur de utvecklade ett litet chip för att utföra samma algebraiska operationer, men på ett analogt sätt. Det var då jag insåg att synapser baserade på analog teknologi var vägen att gå för att köra artificiell intelligens, och jag har varit fast i ämnet sedan dess."

Stabile fokuserar främst på att förverkliga neuromorfisk beräkningar med integrerad fotonikteknik. "För detta spännande tvärvetenskapliga nya fält återanvänder jag mycket av den kunskap jag fick när jag arbetade med optisk växling för datacenterapplikationer."

Oöverträffade hastigheter

Inom området artificiell intelligens måste stora mängder data bearbetas och analyseras med oöverträffade hastigheter.

"Algoritmerna du behöver för att göra detta kan inte köras på konventionella von Neumann datorarkitekturer, eftersom de inte kan köra minne och bearbetning samtidigt. Det du behöver är parallella arkitekturer som kombinerar dessa funktioner, för att säkerställa smidig och snabb datatransport. Det finns en uppsjö av mycket lovande lösningar inom elektronik, men dilemmat är den begränsade mängden data som kan köras genom kretsarna. Inom fotonik kan du transportera nästan obegränsade mängder data med ljusets hastighet."

En mänsklig hjärna innehåller cirka 100 miljarder neuroner, som var och en kan kommunicera med tusentals andra neuroner via synapser som bär signalsubstanser. "Nyckelkoncepten här är noderna och sammankopplingen. Och det är ganska likt det vi redan har i fotoniskt integrerade switchar."

Det är därför Stabile ser lovande möjligheter att använda integrerad fotonik för att bygga neuromorfa nätverk. Hon tror också att detta helt nya fält av neuromorfisk fotonik kommer att medföra ytterligare framsteg inom optiska switcharkitekturer.

Utmaningar

Att bygga ett neuromorft fotoniskt nätverk är dock långt ifrån trivialt. "Den stora utmaningen är att skala upp till ett stort antal neuroner. Det innebär att nya forskningsfrågor uppstår:Hur kan man stapla neuroner i bara två till tre lager och ändå få tillförlitliga beräkningsresultat? Är det möjligt att göra om algoritmer i sådana ett sätt som vi kan förenkla den nödvändiga nätverksarkitekturen?"

För att svara på dessa och andra frågor samarbetar Stabile med många andra kollegor från kompletterande discipliner, allt från materialvetenskap och inbyggda system till matematik och datavetenskap.

"Det är den roligaste delen av mitt arbete, det faktum att jag kan täcka hela kedjan, från material- och tekniksidan hela vägen upp till själva applikationen genom hela datorlagerstacken", säger elektrikern.

Applikationer

Stabile ser en mängd möjligheter för denna teknik. "Till exempel, inom autonom körning, där du behöver bearbeta och analysera en myriad av data från ett stort antal sensorer för att möjliggöra beslutsfattande i realtid. Eller i ultrasnabb bildklassificering, där du kan använda faltningsoptiska neurala nätverk för att stödja radiologer med att tolka medicinska bilder eller att tillåta extrem signalbehandling för astronomisk avbildning.

Men även inom optisk långdistanskommunikation, för att avlasta strömförbrukningen för digital signalbehandling på den mottagande sidan. Eller i rymden, där du kan använda fotoniska neurala nätverk med ultralåg effekt för att förbearbeta de inhämtade data innan du skickar dem ner till jorden."

Optimera och förenkla

Men det är alla drömmar på lång sikt. För tillfället fokuserar Stabile på att optimera nätverksarkitekturen på kretsen. Istället för att bygga så komplexa nätverk som möjligt går Stabile först tillbaka till grunderna.

"Jag försöker avgöra i vilken utsträckning vi kan förenkla de nödvändiga nätverken och fortfarande få tillförlitliga förutsägelser. Vad skulle vara den mördande applikationen för dessa typer av nätverk, och vilka krav måste de uppfylla? Nästa steg är att integrera de nödvändiga fysiska lager, kontrollsystem, algoritmer och utläsningar till ett fungerande system som kan accelerera beräkningen på ett effektivt sätt."

Att skala upp tekniken blir nästa fas. "Vi kan utforska stora möjligheter för att uppnå önskad prestanda, allt från nanofotonik till spintronik och plasmonik."

En 3D-neuron

Inom en snar framtid hoppas Stabile kunna demonstrera en 3-dimensionell neuron baserad på integrationen av elektronik och multifunktionell fotonik.

"Det kan bestå av ett indiumfosfidskikt för icke-linjära processer, täckt med ett routingskikt gjord av kiselnitrid för synaptiska operationer med ultralåg förlust. Detta laddas sedan av ett minnesskikt, baserat på fasförändrande material. En in- djupanalys av metricsour beräkningar har visat att detta kan tillåta petascale beräkningar vid tiotals femtojoule per operation.

Här i Eindhoven har vi rätt ekosystem, rätt expertis och rätt utrustning för att producera en sådan neuron och studera dess egenskaper. Dessutom kommer det nyligen lanserade Eindhoven Hendrik Casimir Institute att ytterligare stimulera vår forskning."

Testbädd

Förutom att optimera nätverksarkitekturen på chip, fokuserar Stabile för närvarande på att utveckla en experimentell plattform för att accelerera tekniken. Testbädden kan locka företags intresse att utforska hur denna teknik kan hjälpa till att lösa deras problem.

Och självklart vill hon locka nya forskare och studenter till detta framväxande forskningsfält. "Neuromorf fotonik är ett mycket spännande multidisciplinärt område som har stora löften för framtiden. På TU/e ​​ligger vi i framkant av ämnet och arbetar med teknik, nätverk, arkitektur och datavetenskap. What's not to like?"

Forskningen publiceras i IEEE Journal of Selected Topics in Quantum Electronics .