Это прорыв: новая вычислительная система решила сложную математическую задачу в 1 млн раз быстрее

Исследователи смогли решить сложную вычислительную задачу менее чем за секунду при помощи обычного ПК. Новая система сможет справиться с такими сложными задачами, как прогнозирование эволюции динамических систем, которые меняются в режиме реального времени (к таким задачам, например, относится прогнозирование погоды).

Об этом сообщает издание interestingengineering.com.

Развитие динамических систем чрезвычайно сложно предсказать, хорошо известный пример — "эффект бабочки", концепция, согласно которой взмах крыльев бабочки на одном конце Земли может спровоцировать ураган на другом краю планеты, взмахивая крыльями, может повлиять на погоду через несколько недель. Так называемые резервуарные вычисления (резервуарные вычисления проводятся при помощи рекуррентных нейронных сетей, — ред.) хорошо подходят для изучения динамических систем и могут обеспечить точное прогнозирование того, как они будут вести себя в будущем. Однако чем больше и сложнее система, тем больше вычислительных ресурсов она требует, а именно — обширную сеть искусственных нейронов и много времени для получения точных прогнозов.

Группа исследователей во главе с Дэниелом Готье, профессором физики из Университета Огайо, смогла упростить нейронные сети для резервуарных вычислений, резко снизив потребность в вычислительных ресурсах и значительно сэкономив время. Когда новая концепция была опробована, ученые обнаружили, что их новая технология превосходит другие подобные вычислительные системы.

Новый метод позволил проводить подсчеты в 33–163 раза быстрее (в зависимости от количества данных). Однако, когда цель работы была изменена в пользу точности, новая модель оказалась 1 млн раз эффективнее, т.е. быстрее. Такое увеличение скорости стало возможным благодаря тому факту, что нейронной сети понадобилось гораздо меньше времени на обучение и "разминку".

"Резервуарные вычисления следующего поколения практически не требуют времени на разогрев", — пояснил Готье. "В настоящее время ученым приходится вводить от 1 тыс. или 10 тыс. различных данных, являющихся "точками опоры", чтобы "разогреть" вычислительную систему. Но затем все эти данные просто отбрасываются, потому как не нужны для реальной работы. Нам же потребовалось ввести только 2-3 "опорных точки".

Кроме того, новый метод продемонстрировал, что для высокой точности вычислений хватит всего-то 28 нейронов, а не 4 тыс., как того требовала модель предыдущего поколения.

"Интересно, что новая технология резервуарных вычислений при меньшем количестве ресурсов работает более эффективно", — заявил Готье.

"И похоже, это только начало. Исследователи планируют протестировать сверхэффективную нейронную сеть на более сложных задачах в будущем, таких как прогнозирование динамики жидкости", — пишет издание.

Ранее мы сообщали о том, что исследователи преобразовали свет в "жидкость", что помогло сделать квантовые вычисления более эффективными.