要闻
您现在的位置:首页 > 要闻 > 英特尔在加速AI的光学芯片方面取得了进展
  • Element AI的搜索工具展示了冠状病毒的精选研究

    Element AI的搜索工具展示了冠状病毒的精选研究

    发布时间:2020/04/01

      Element AI今天发布了一种搜索工具,该工具可以汇总COVID-19开放研究数据集,该数据库存储了44,000多篇有关COVID-19和相关冠状病毒的学术文章,可供研究人员使用。用户可以搜索或查询自然语言的术语,短语...

  • 微软的AI编辑器可以生成重写建议

    微软的AI编辑器可以生成重写建议

    发布时间:2020/04/01

      Microsoft为Microsoft 365用户提供的写作助手正在获得新的基于AI的功能,例如“重写建议”,该功能使您可以突出显示一个句子,然后右键单击以获取多个AI生成的修订建议,并且这些功能将用于Chrome和Edge浏览...

  • Atlassian的Confluence获得了一个新的模板库

    Atlassian的Confluence获得了一个新的模板库

    发布时间:2020/03/31

      Atlassian针对团队的以内容为中心的协作工具Confluence使新用户可以更轻松地开始使用更新的模板库和75个新模板。自公司于2004年首次推出该服务以来,它们就结合了该公司从其客户和合作伙伴那里获得的经验...

  • Stratolaunch透露了更新后的机队,包括两架高超音速飞机和一架太空飞机

    Stratolaunch透露了更新后的机队,包括两架高超音速飞机和一架太空飞机

    发布时间:2020/03/31

      高空发射初创公司Stratolaunch进行了一些更改,但是在周一,它透露了两架高超音速飞机的设计细节,以及一架太空飞机,所有设计都旨在从其飞行载机的发射平台上起飞。如果一切都按计划进行,那么这些新车中...

  • 浑水协助Wolfpack做空爱奇艺(IQ.US) 看空报告全文来了

    浑水协助Wolfpack做空爱奇艺(IQ.US) 看空报告全文来了

    发布时间:2020/04/08

    本文来源“腾讯网”。 划重点:1.两家中国广告公司向我们提供了爱奇艺(IQ.US)后端系统的数据,这些数据显示,从2019年9月开始,爱奇艺的实际移动DAU比该公司在2019年10月宣称的1.75亿平均移动DAU低了60.3%。2.大约3...

  • 华尔街大佬巴鲁克:特斯拉(TSLA.US)目标股价达600美元,仍有18%上行空间

    华尔街大佬巴鲁克:特斯拉(TSLA.US)目标股价达600美元,仍有18%上行空间

    发布时间:2020/04/08

    本文来自“腾讯证券”。 在券商杰富瑞(Jefferies)将特斯拉评级从“持有”上调到“买入”后,特斯拉(TSLA.US)在周一收盘上涨逾7.5%。上周五,特斯拉也因公司第一季度业绩强劲而迎来上涨。数据显示,该公司第一季度共...

  • 不满足于流媒体业务,亚马逊也要开始做游戏了

    不满足于流媒体业务,亚马逊也要开始做游戏了

    发布时间:2020/04/08

    本文来源“36氪”。为了在统治数字娱乐的战役中开辟新战线,Amazon(AMZN.US)正在投入数亿美元以成为视频游戏的领先制作商和发行商。由于卫生事件的影响数度推迟之后,这家互联网巨头表示,打算在5月发布其首款原创...

  • 刘强东“熔断”,徐雷成为京东的新“保险丝”

    刘强东“熔断”,徐雷成为京东的新“保险丝”

    发布时间:2020/04/08

    本文来自“盒饭财经”。公共卫生事件笼罩世界,全球经济遭遇重创,金融市场难以幸免,“熔断”一词频繁走入人们视野中。 作为在美股上市的企业,京东(JD.US)最近的日子也不太好过。瑞幸造假事件曝出后,京东“二号人...

英特尔在加速AI的光学芯片方面取得了进展

发布时间:2019/05/23 要闻 浏览次数:1238

 
目前,光子集成电路或光学芯片比其电子对应物具有许多优势,包括降低功耗和处理速度。这就是为什么一群研究人员认为他们可能会为人工智能工作量量身定制,以及为什么有些人 – 包括麻省理工学院博士。候选人Yichen Shen–已经成立公司将其商业化。 Shen的创业公司 – 总部位于波士顿的Lightelligence,迄今为止已筹集了1070万美元的风险投资资金 – 最近展示了一种原型,与传统硬件相比,其延迟提高了10,000倍,并将功耗降低了“数量级”。
芯片制造商英特尔是调查硅光子学AI工作负载的另一方,为此,圣克拉拉公司的科学家们最近在一篇论文中详细介绍了可以使光学神经网络更接近现实的新技术。
正如共同作者在今天发表的博客文章中所解释的那样,先前的工作表明,一种称为Mach-Zender干涉仪(MZI)的光子电路可以被配置为在与相位相关的量之间执行2乘2的矩阵乘法。两束光束。 (在数学中,矩阵是以行和列排列的数字,符号或表达式的矩形阵列。)当这些小矩阵乘法排列在三角形网格中以创建更大的矩阵时,它们会产生一个实现矩阵向量的电路乘法,深度学习中的核心计算。
英特尔团队考虑了两种用于从MZI构建AI系统的架构:GridNet和FFTNet。 GridNet可预测地将MZI排列在网格中,而FFTNet将它们插入类似蝴蝶的模式。在对手写数字识别(MNIST)的基准深度学习任务进行模拟训练后,研究人员发现,在双精度浮点精度的情况下,GridNet的精度高于FFTNet(98%对95%),但是FFTNet“显着更强大。”事实上,GridNet的性能在人工噪声的基础上降至50%以下,而FFTNet几乎保持不变。
科学家表示,他们的研究为人工智能软件培训技术奠定了基础,可以避免在制造后微调光学芯片的需要,从而节省宝贵的时间和人力。
“正如在任何制造过程中一样,存在不完善之处,这意味着芯片内部和芯片之间会有微小的变化,这些将影响计算的准确性,”英特尔AI产品组高级总监Casimir Wierzynski写道。 “如果ONN要成为AI硬件生态系统的可行部分,他们将需要扩展到更大的电路和工业制造技术……我们的结果表明,提前选择正确的架构可以大大增加最终电路实现的可能性即使面对制造业的变化,他们也能达到预期的性能。“

姓 名:
邮箱
留 言: