Científicos rusos han desarrollado un enfoque que permite entrenar redes neuronales híbridas utilizando sistemas computacionales alternativos: chips fotónicos, neuromórficos y analógicos. Así lo informó el servicio de prensa del Instituto de Inteligencia Artificial AIRI.

Hoy en día, estos chips solo resuelven tareas individuales y no pueden asumir completamente el entrenamiento de redes neuronales. La solución son los sistemas híbridos: la mayor parte de las operaciones las realizan microchips clásicos, y los cálculos más frecuentes los asume un coprocesador especializado. Investigadores de AIRI, el Centro de Tecnologías Cuánticas de Sberbank y Skoltech han creado un algoritmo que entrena estas redes incluso sin acceso a los gradientes internos del coprocesador. El enfoque se probó en seis modelos digitales de capas fotónicas y tres clases de tareas.

Los cálculos mostraron que no se requiere un conocimiento preciso de lo que sucede dentro de cada componente. Las observaciones de la reacción del dispositivo a cambios aleatorios, junto con un modelo aproximado del coprocesador, producen resultados cercanos a los modelos base completamente digitales. En el futuro, los sistemas híbridos encontrarán aplicación en centros de datos para el entrenamiento de grandes modelos y en dispositivos con requisitos estrictos de velocidad y consumo de energía.