Para peneliti di Institut Max Planck untuk Ilmu Cahaya telah mengembangkan metode yang lebih sederhana dan berpotensi lebih berkelanjutan untuk mengimplementasikan jaringan saraf menggunakan sistem optik.
Sistem optik baru untuk jaringan saraf telah dikembangkan oleh Institut Max Planck, menawarkan alternatif yang lebih sederhana dan lebih hemat energi daripada metode saat ini.
Sistem ini menggunakan transmisi cahaya untuk melakukan komputasi, mengurangi kompleksitas dan kebutuhan energi yang terkait dengan jaringan saraf tradisional.
Jaringan Syaraf Optik
Para ilmuwan mengusulkan cara baru untuk menerapkan jaringan saraf pada sistem optik yang dapat membuat"glosariumLink" aria-dijelaskan oleh="tidak ada" data-cmtooltip="
” data-gt-terjemahkan-atribut=”({"atribut":"data-cmtooltip"Bahasa Indonesia: "format":"Bahasa Indonesia"})” tabindex=”0″ role=”link”>pembelajaran mesin lebih berkelanjutan di masa depan. Para peneliti di Max Planck Institute for Light Science telah menerbitkan metode baru mereka di Fisika Alam
” data-gt-terjemahkan-atribut=”({"atribut":"data-cmtooltip"Bahasa Indonesia: "format":"Bahasa Indonesia"})” tabindex=”0″ role=”link”>Fisika Alammenunjukkan metode yang jauh lebih sederhana daripada pendekatan sebelumnya.
Pembelajaran mesin dan"glosariumLink" aria-dijelaskan oleh="tidak ada" data-cmtooltip="
” data-gt-terjemahkan-atribut=”({"atribut":"data-cmtooltip"Bahasa Indonesia: "format":"Bahasa Indonesia"})” tabindex=”0″ role=”link”>kecerdasan buatan semakin meluas dengan berbagai aplikasi mulai dari visi komputer hingga pembuatan teks, seperti yang ditunjukkan oleh ChatGPT. Namun, tugas-tugas rumit ini memerlukan jaringan saraf yang semakin kompleks; beberapa di antaranya memiliki miliaran parameter.
Pertumbuhan pesat dalam ukuran jaringan saraf ini telah menempatkan teknologi pada jalur yang tidak berkelanjutan karena konsumsi energi dan waktu pelatihannya yang meningkat secara eksponensial. Misalnya, diperkirakan bahwa pelatihan GPT-3 menghabiskan lebih dari 1.000 MWh energi, yang setara dengan konsumsi listrik harian sebuah kota kecil.
Tren ini telah menciptakan kebutuhan akan alternatif yang lebih cepat, lebih hemat energi, dan lebih hemat biaya, yang mendorong perkembangan pesat bidang komputasi neuromorfik. Sasaran bidang ini adalah mengganti jaringan saraf di komputer digital kita dengan jaringan saraf fisik. Jaringan ini dirancang untuk melakukan operasi matematika yang dibutuhkan secara fisik dengan cara yang berpotensi lebih cepat dan lebih hemat energi.
Ilustrasi artistik sistem neuromorfik pandu gelombang yang membawa cahaya. Kredit: @ CC Wanjura
Tantangan dalam Komputasi Neuromorfik
Optik dan fotonik merupakan platform yang sangat menjanjikan untuk komputasi neuromorfik karena konsumsi energi dapat diminimalkan. Perhitungan dapat dilakukan secara paralel pada kecepatan yang sangat tinggi yang hanya dibatasi oleh kecepatan cahaya. Namun, sejauh ini, terdapat dua tantangan signifikan: Pertama, mewujudkan perhitungan matematika yang rumit yang dibutuhkan memerlukan daya laser yang tinggi. Kedua, terdapat kekurangan metode pelatihan umum yang efisien untuk jaringan saraf fisik tersebut.
Kedua tantangan tersebut dapat diatasi dengan metode baru yang diusulkan oleh Clara Wanjura dan Florian Marquardt dari Institut Max Planck untuk Ilmu Cahaya dalam artikel baru mereka di Fisika Alam.
Menyederhanakan Pelatihan Jaringan Syaraf
“Biasanya, data masukan dicetak pada bidang cahaya. Namun, dalam metode baru kami, kami mengusulkan untuk mencetak data dengan mengubah transmisi cahaya,” jelas Florian Marquardt, Direktur Institut tersebut.
Dengan cara ini, sinyal masukan dapat diproses secara acak. Hal ini berlaku meskipun medan cahaya itu sendiri berperilaku dengan cara yang paling sederhana, yaitu gelombang saling mengganggu tanpa memengaruhi satu sama lain. Oleh karena itu, pendekatan mereka memungkinkan seseorang untuk menghindari interaksi fisik yang rumit untuk mewujudkan fungsi matematika yang diperlukan yang jika tidak demikian akan memerlukan medan cahaya berdaya tinggi.
Mengevaluasi dan melatih jaringan saraf fisik ini akan sangat mudah: “Semudah mengirimkan cahaya melalui sistem dan mengamati cahaya yang dipancarkan. Ini akan memungkinkan kita untuk mengevaluasi keluaran jaringan. Pada saat yang sama, ini akan memungkinkan seseorang untuk mengukur semua informasi yang relevan untuk pelatihan,” kata Clara Wanjura, penulis pertama penelitian tersebut.
Para penulis menunjukkan dalam simulasi bahwa pendekatan mereka dapat digunakan untuk melakukan tugas klasifikasi gambar dengan cara yang sama"glosariumLink" aria-dijelaskan oleh="tidak ada" data-cmtooltip="
” data-gt-terjemahkan-atribut=”({"atribut":"data-cmtooltip"Bahasa Indonesia: "format":"Bahasa Indonesia"})” tabindex=”0″ role=”link”>akurasi sebagai jaringan saraf digital.
Di masa mendatang, penulis berencana untuk berkolaborasi dengan kelompok eksperimen guna mengeksplorasi penerapan metode mereka. Karena proposal mereka secara signifikan melonggarkan persyaratan eksperimen, metode ini dapat diterapkan pada banyak sistem yang sangat berbeda secara fisik. Hal ini membuka kemungkinan baru untuk perangkat neuromorfik yang memungkinkan pelatihan fisik di berbagai platform.
Referensi: “Komputasi neuromorfik nonlinier penuh dengan hamburan gelombang linier” oleh Clara C. Wanjura, dan Florian Marquardt, 9 Juli 2024, Fisika Alam.
Nomor Identifikasi Penduduk: 10.1038/s41567-024-02534-9
