Wissenschaftler am Max-Planck-Institut f\u00fcr Lichtwissenschaften haben eine neue Implementierung eines neuronalen Netzwerks auf einem optischen System vorgeschlagen, das maschinelles Lernen in Zukunft energieeffizienter machen k\u00f6nnte. Dies wurde in einem Artikel berichtet, der in der Zeitschrift Nature Physics ver\u00f6ffentlicht wurde. <\/p>\n\n\n\n
Maschinelles Lernen und k\u00fcnstliche Intelligenz erfordern immer komplexere neuronale Netze, was zu erheblichen Energie- und Schulungskosten f\u00fchrt. Beispielsweise verbrauchte das GPT-3-Training mehr als 1.000 Megawattstunden Energie, was dem Tagesverbrauch einer Kleinstadt entspricht.<\/p>\n\n\n\n\n\n\n\n
Der \u00dcbergang zum neuromorphen Computing beinhaltet den Ersatz neuronaler Netze, die auf der von Neumann-Architektur implementiert sind, durch physikalische neuronale Netze, die die Funktionsweise des Gehirns nachahmen. Optik und Photonik sind in diesem Bereich besonders vielversprechend, da sie den Stromverbrauch minimieren und schnelle Berechnungen erm\u00f6glichen. Bisher gab es jedoch zwei Hauptprobleme: die Notwendigkeit eines Hochleistungslasers zum Aufbau eines optischen neuronalen Netzwerks und das Fehlen einer effektiven Methode zum Training solcher Netzwerke. <\/p>\n\n\n\n
Bei einem neuen Ansatz, der dieses Problem l\u00f6st, werden Eingangsdaten durch \u00c4nderungen der Lichtdurchl\u00e4ssigkeit erfasst, wodurch das Eingangssignal auf beliebige Weise verarbeitet werden kann. Dies vermeidet komplexe physikalische Wechselwirkungen und erfordert Lichtfelder mit geringerer Leistung. <\/p>\n\n\n\n
Mithilfe von Simulationen zeigten die Autoren, dass ihre Methode f\u00fcr Bildklassifizierungsaufgaben mit der gleichen Genauigkeit wie digitale neuronale Netze eingesetzt werden kann. Dies er\u00f6ffnet neue M\u00f6glichkeiten f\u00fcr neuromorphe Ger\u00e4te und erm\u00f6glicht die Durchf\u00fchrung maschinellen Lernens auf einer Vielzahl von Plattformen.<\/p>\n","protected":false},"excerpt":{"rendered":"
Wissenschaftler am Max-Planck-Institut f\u00fcr Lichtwissenschaften haben eine neue Implementierung eines neuronalen Netzwerks auf einem optischen System vorgeschlagen, das maschinelles Lernen in Zukunft energieeffizienter machen k\u00f6nnte. Dies wurde in einem Artikel…<\/p>\n","protected":false},"author":2,"featured_media":123,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[30],"tags":[],"_links":{"self":[{"href":"https:\/\/spheredigest.com\/index.php?rest_route=\/wp\/v2\/posts\/122"}],"collection":[{"href":"https:\/\/spheredigest.com\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/spheredigest.com\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/spheredigest.com\/index.php?rest_route=\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/spheredigest.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=122"}],"version-history":[{"count":1,"href":"https:\/\/spheredigest.com\/index.php?rest_route=\/wp\/v2\/posts\/122\/revisions"}],"predecessor-version":[{"id":124,"href":"https:\/\/spheredigest.com\/index.php?rest_route=\/wp\/v2\/posts\/122\/revisions\/124"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/spheredigest.com\/index.php?rest_route=\/wp\/v2\/media\/123"}],"wp:attachment":[{"href":"https:\/\/spheredigest.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=122"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/spheredigest.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=122"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/spheredigest.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=122"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}