توسط محققان ایرانی دانشگاه پنسیلوانیا توسعه یافت

تراشه ای که ۲ میلیارد تصویر را در یک ثانیه پردازش می کند!

تراشه ای که ۲ میلیارد تصویر را در یک ثانیه پردازش می کند!

به گزارش تعمیرکار پژوهشگران ایرانی دانشگاه پنسیلوانیا یک تراشه نوری قدرتمند جدید ساخته اند که می تواند تقریباً دو میلیارد تصویر را در هر ثانیه پردازش کند.


به گزارش تعمیرکار به نقل از ایسنا و به نقل از تک اکسپلور، هوش مصنوعی(AI) نقش مهمی در خیلی از سیستم ها، از پیشبینی کننده متن در تلفن های هوشمند تا تشخیص های پزشکی ایفا می کند. خیلی از سیستم های هوش مصنوعی با الهام از مغز انسان برپایه شبکه های عصبی مصنوعی ساخته می شوند. شبکه عصبی مصنوعی معادل های الکتریکی نورون های بیولوژیکی هستند که به هم متصل می شوند و با مجموعه ای از داده های شناخته شده مانند تصاویر آموزش داده می شوند و سپس برای شناسایی یا طبقه بندی داده های جدید مورد استفاده قرار می گیرند.
در شبکه های عصبی سنتی که برای تشخیص تصویر استفاده می شوند، تصویر شی مورد نظر ابتدا بر روی یک سنسور تصویر، مانند دوربین دیجیتال تلفن هوشمند، شکل می گیرد. سپس، سنسور تصویر، نور را به سیگنال های الکتریکی و در نهایت به داده های باینری تبدیل می کند که می تواند با استفاده از تراشه های کامپیوتری پردازش، تجزیه و تحلیل، ذخیره و طبقه بندی شود. سرعت بخشیدن به این قابلیت ها برای بهبود تعداد زیادی از کاربردها، مانند تشخیص چهره، تشخیص خودکار متن در عکس ها، یا کمک به ماشین های خودران در تشخیص موانع، ضروریست.
در حالیکه یک تراشه با فناوری طبقه بندی تصاویر در سطح فعلی می تواند میلیاردها محاسبات در ثانیه انجام دهد و برای اغلب کاربردها به اندازه کافی سریع است اما طبقه بندی تصاویر پیچیده تر مانند شناسایی اجسام متحرک، شناسایی اشیاء سه بعدی یا طبقه بندی سلول های میکروسکوپی در بدن، توانایی و محدودیت های محاسباتی قوی ترین فناوری ها را حتی تحت فشار قرار می دهد.
برای رفع این محدودیت، مهندسان دانشگاه پنسیلوانیا نخستین تراشه مقیاس پذیر را بوجود آورده اند که تصاویر را تقریباً بلافاصله طبقه بندی و شناسایی می کند. "فیروز افلاطونی"، دانشیار مهندسی برق و سیستم ها، به همراه "فرشید آشتیانی"، دانشجوی فوق دکتری و "الکساندر جیرز"(Alexander J. Geers)، دانشجوی کارشناسی ارشد، چهار علل اصلی زمان بر شدن محاسبات در تراشه های کامپیوتری سنتی را حذف کردند. این موارد شامل تبدیل سیگنال های نوری به الکتریکی، احتیاج به تبدیل داده های ورودی به فرمت باینری، یک ماژول حافظه بزرگ و محاسبات مبتنی بر زمان بود.
آنها از راه پردازش مستقیم نور دریافتی از شی با استفاده از یک شبکه عصبی عمیق نوری که بر روی یک تراشه ۹.۳ میلی متر مربعی پیاده سازی شده است به این امر دست پیدا کردند.
این مطالعه که در مجله "نیچر"(Nature) انتشار یافته است، توضیح می دهد که چگونه خیلی از سلول های عصبی نوری تراشه با استفاده از سیم های نوری یا "موج برها"(waveguides) به هم متصل می شوند تا شبکه ای عمیق از خیلی از "لایه های عصبی"(neuron layers) که شبیه به مغز انسان هستند را تشکیل دهند. اطلاعات از لایه های شبکه عبور می کند و هر مرحله به طبقه بندی تصویر ورودی در یکی از دسته های آموخته شده کمک می نماید. در مطالعه محققان، تصاویری که تراشه طبقه بندی کرد، تصویری از کاراکترهای رسم شده به صورت دستی و حروف مانند بود.
درست مانند شبکه عصبی در مغز ما، این شبکه عمیق بگونه ای طراحی شده که امکان پردازش سریع اطلاعات را فراهم می آورد. محققان نشان دادند که تراشه آنها می تواند در نصف نانوثانیه، یک طبقه بندی کامل تصویر را به انجام برساند. این میزان معادل زمانی است که تراشه های کامپیوتری دیجیتال سنتی در آن یک مرحله محاسباتی خویش را به انجام می رسانند.
"افلاطونی" می گوید: تراشه ما اطلاعات را از راه آنچه ما "محاسبه به واسطه انتشار "(computation-by-propagation) می نامیم پردازش می کند، به این مفهوم که بر خلاف سیستم های مبتنی بر زمان، محاسبات با انتشار نور از راه تراشه انجام می شود. ما همینطور از مرحله تبدیل سیگنال های نوری به سیگنال های الکتریکی صرف نظر می نماییم، چونکه تراشه ما می تواند سیگنال های نوری را مستقیماً بخواند و پردازش کند، و هر دوی این تغییرات، تراشه ما را به فناوری بسیار سریع تری تبدیل می کند.
توانایی این تراشه برای پردازش سیگنال های نوری به صورت مستقیم بر مزایای آن می افزاید.
"آشتیانی" می گوید: وقتی تراشه های کامپیوتری فعلی سیگنال های الکتریکی را پردازش می کنند، اغلب آنها را از راه یک واحد پردازش گرافیکی یا GPU اجرا می کنند که فضا و انرژی اشغال می کند. تراشه ما نیازی به ذخیره اطلاعات نداشته و احتیاج به داشتن یک واحد حافظه بزرگ را از بین می برد.
"افلاطونی" می گوید: با حذف واحد حافظه ای که تصاویر را ذخیره می کند، امنیت داده ها را هم افزایش می دهیم. با تراشه هایی که مستقیماً داده های تصویر را می خوانند، نیازی به ذخیره سازی عکس نیست و در نتیجه نشت داده ها رخ نمی دهد.
تراشه ای که اطلاعات را با سرعت نور می خواند و درجات بالاتری از امنیت سایبری را فراهم می آورد، بدون شک در خیلی از زمینه ها کاربرد خواهد داشت. این یکی از دلایلی است که تحقیقات در مورد این فناوری در چند سال قبل افزایش پیدا کرده است.
"گیرز" می گوید: ما نخستین کسانی نیستیم که فناوری عرضه کردیم که سیگنال های نوری را مستقیماً می خواند، اما نخستین کسانی هستیم که یک سیستم کامل را در یک تراشه ایجاد می نماییم که هم با فناوری های موجود سازگار است و هم برای کار با داده های پیچیده تر مقیاس پذیر است.
این تراشه، با طراحی شبکه عمیق خود، احتیاج به آموزش برای یادگیری و طبقه بندی مجموعه داده های جدید، مشابه نحوه یادگیری انسان دارد. هنگامی که یک مجموعه داده معین عرضه می شود، شبکه عمیق اطلاعات را دریافت می کند و آنها را در دسته هایی که پیش تر آموخته، طبقه بندی می کند.
مهندسان می توانند با افزودن لایه های عصبی بیشتر مقیاس آنرا بالا برند و به تراشه امکان بررسی تصاویر پیچیده تر با وضوح بالاتر را بدهند.
"افلاطونی" می گوید: آن چه که واقعاً در مورد این فناوری جالب است این است که می تواند کاری خیلی بیشتر از طبقه بندی تصاویر انجام دهد. ما می دانیم که چگونه انواع داده ها را به دامنه الکتریکی تبدیل نماییم. تصاویر، صدا، گفتار و خیلی از انواع داده های دیگر. حالا، می توانیم انواع داده های مختلف را به دامنه نوری تبدیل نماییم که تقریباً بلافاصله با استفاده از این تکنولوژی پردازش می شوند.
او ادامه می دهد: برای درک این که این تراشه با چه سرعتی می تواند اطلاعات را پردازش کند، یک نرخ فریم(frame rate) معمولی فیلمها را تصور کنید. یک فیلم با سرعت بین ۲۴ تا ۱۲۰ فریم در ثانیه پخش می شود. در حالیکه این تراشه می تواند نزدیک به دو میلیارد فریم در ثانیه را پردازش کند! ما حالا برای مواردی که احتیاج به محاسبات بسیار سریع دارند، چاره ای داریم و خیلی از کاربردهای آن امکان دارد در این لحظه قابل درک نباشند.




منبع:

1401/03/18
23:53:23
5.0 / 5
213
این مطلب را می پسندید؟
(1)
(0)

تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب
لطفا شما هم نظر دهید
= ۶ بعلاوه ۴
SetFix تعمیرکار