Оптические нейросети могут стать основой для вычислительных систем нового поколения. Их...
Оптические нейросети могут стать основой для вычислительных систем нового поколения. Их ключевые преимущества — высокая скорость и энергоэффективность, что особенно важно на фоне растущего энергопотребления дата-центров. В Самарском университете совместно с ВНИИЭФ создали установку аналогового фотонного вычислителя на базе гибридной 4F-архитектуры. Она показала точность 98,7% при распознавании рукописных символов и 96% при анализе последовательностей изображений. Эффективность системы в 3,5 раза выше, чем у NVIDIA Tesla H100. Ученые также предложили подход, который повышает точность оптических трансформеров. Численная модель оптического умножения встраивается прямо в процесс обучения нейросети, компенсируя погрешности. Это позволило снизить перплексию (показатель качества генерации текста) примерно в 1,5 раза на задачах с Tiny LLM, обработкой изображений и кредитным скорингом. Дополнительную точность даёт обучаемый дифракционный элемент — пассивный компонент без затрат энергии. В цифровых системах аналогичный эффект требует больше вычислений и энергии. Станислав Страупе из «Сбера» отметил, что подход с дифракционными устройствами для матричного умножения перспективен, но требует решения инженерных задач, например, высокой частоты обновления матриц. Работы ведутся при поддержке Центра квантовых технологий «Сбера». Таким образом, оптические нейросети переходят из теории в практику и могут стать основой для решений, где критичны скорость, компактность и низкое энергопотребление.