В опубликованной статье «Фотонные процессоры создают условия для более производительного машинного обучения» в журнале «Applied Physics Review» авторы Марио Мискульо и Волькер Соргер из факультета электротехники и вычислительной техники в Университете Джорджа Вашингтона (США), описывают новый подход к выполнению вычислений нейронной сети для машинного обучения с использованием ядер фотонных тензоров вместо графических процессоров (GPU).

Авторы предполагают, что в результате этого подхода, производительность обработки оптических потоков данных может стать на 2–3 порядка выше, чем у GPU. Авторы также уверены в том, что фотонные процессоры могут исключительно хорошо работать на периферийных устройствах в сетях 5G.

В исследуемом подходе ядро фотонного тензора выполняет умножения матриц параллельно, тем самым улучшая скорость и эффективность глубокого обучения. Нейронные сети обучаются тому, как научиться выполнять неконтролируемые решения и строить классификацию невидимых данных. После того как нейронная сеть обучена работе с данными, она может сделать вывод, чтобы распознать и классифицировать объекты, шаблоны, а также найти сигнатуру в данных.