В августе начнётся сборка экспериментального образца российского фотонного процессора, который способен обрабатывать информацию в сотни раз быстрее, чем современные цифровые нейросети на основе традиционных полупроводниковых компьютеров. Об этом сообщил РИА Новости Роман Скиданов, профессор кафедры технической кибернетики Самарского университета имени Королёва и участник проекта.
Скиданов рассказал, что реализация проекта идёт по плану, и создание экспериментального образца фотонного процессора находится на стадии корпусной сборки. Все основные элементы образца уже готовы, и в августе начнётся процесс сборки.
Было принято решение использовать в экспериментальном образце другой лазер — диодный, который меньше по размеру и имеет меньшую когерентность. Это должно улучшить характеристики процессора. Будущие тесты и эксперименты покажут, насколько эффективней стал процессор. Завершение сборки и проведение испытаний запланировано на конец 2024 года, — добавил он.
Специалисты Самарского университета имени Королёва создали демонстрационный образец процессора в рамках научной программы Национального центра физики и математики (НЦФМ), которая поддерживается госкорпорацией «Росатом». Новый процессор работает на основе фотонной компонентной базы, где информация передаётся фотонами, а не электронами, как в обычных вычислителях.
Был создан прототип фотонного процессора для реализации фотонной вычислительной машины класса «мегасайенс» в НЦФМ к 2030 году. Согласно проекту, производительность этой машины будет рекордной и составит 10^21 операций в секунду. Эта «меганаучная» установка позволит решать практические задачи по обработке больших объёмов данных и получать фундаментальные результаты в области искусственного интеллекта и машинного обучения. Специализированный процессор уже сегодня способен распознавать огромные объёмы данных в объёмных видеопотоках.
Аналоговая фотонная вычислительная система способна анализировать и распознавать объекты в сотни раз быстрее, чем современные цифровые нейросети на базе традиционных полупроводниковых компьютеров. Это особенно полезно для быстрого анализа гиперспектральных данных, которые изначально представляют собой большие объёмы информации. Согласно ранним исследованиям, надёжность распознавания в ходе первых экспериментов на демонстрационной модели составила 93,75 %. Ожидается, что точность и надёжность распознавания у опытного образца повысятся благодаря использованию компонентов с улучшенными характеристиками. Сообщалось, что опытный образец устройства будет готов к 2025 году.
По материалам:
ria
