loader image

Обзор технических прорывов

Четыре конкретных прорыва

PANN™ совершенствует существующие ИТ и электронные технологии в целом за счёт четырёх конкретных технических прорывов:

  1. Программное обеспечение: PANN™ позволяет разрабатывать «умное» программное обеспечение с высокой скоростью обработки и неограниченным объёмом обрабатываемой информации. Мировой рынок программного обеспечения составляет около 400 миллиардов долларов. Существующие ИНС захватили менее 20 миллиардов долларов из-за их ограничений. PANN™ не имеет таких ограничений.
  2. Графические процессоры: PANN™ работает очень быстро на графических процессорах. Это делает возможным создание суперкомпьютера на основе комбинации графического процессора и PANN™. Рынок суперкомпьютеров на GPU уже составляет около 18 миллиардов долларов.
  3. Микрочип: Создание нейронного микрочипа нового поколения на основе PANN™. С помощью этого микрочипа можно построить суперкомпьютер и гиперкомпьютер. Сегодняшний рынок микрочипов составляет около 400 миллиардов долларов. Лицензирование технологии по крайней мере для 20% производителей чипов за 1% лицензионного сбора принесет 800 миллионов долларов в год.
  4. Оптический чип: Создание оптического чипа и оптического накопителя на базе PANN™. Оптические вычисления — следующая ступень развития после цифровой электроники. Рынок оптических вычислений будет постепенно расти с заменой существующих компьютерных систем на оптические, начиная с 2020 года.

Уникальные характеристики PANN™

  1. Высокоскоростное обучение (с высокой точностью) для аппроксимации, классификации и интерполяции.
    1. Обучение на CPU как минимум в 3 000 раз быстрее по сравнению с существующими ИНС.
    2. Обучение с одним графическим процессором происходит в 200 000 раз быстрее и пропорционально количеству графических процессоров.
  2. 100%-параллельные вычисления; линейное увеличение скорости обучения с дополнительными графическими процессорами.
  3. Пакетное обучение всего обучающего датасета: коррекция весов после каждой эпохи изображений, а не после каждого изображения. Распознавание всего пакета изображений, а не одного изображения, одного за другим.
  4. Возможность дообучения сети на дополнительных изображениях без переобучения всей сети.
Наше программное обеспечение, CPU версия PANN™, демонстрирует высокую скорость обучения и высокое качество обучения.

Программный прорыв

PANN™ позволяет создавать действительно интеллектуальное программное обеспечение с высокой скоростью обработки и неограниченным объёмом обрабатываемой информации. Кроме того:

  • PANN™ масштабируется. Можно построить сеть любого размера.
  • Архитектура PANN™ и алгоритм обучения были открыты в биологических аналогах.
  • Нет необходимости в сложных вычислениях.
  • Нет необходимости многократно повторять вычисления.
  • Вычисления и коррекция весов с помощью матричной алгебры. (Заявка на патент США №15/449,614).
Наше программное обеспечение демонстрирует интеллектуальные возможности PANN™

Применение PANN™

  1. Замена существующей ИНС для получения:
    1. Высокой скорости обучения
    2. Высокой точности обучения
    3. Высокой надёжности и масштабируемости
    4. Динамических изменений структуры ИНС
    5. Решения проблем XOR и переобучения
  2. Разработка нового современного программного обеспечения для:
    1. Больших и сверхбольших данных
    2. Высокой производительности
    3. Обработки неиндексированных данных
    4. Защиты данных
    5. Высокой надежности системы
    6. Решения нерешённых задач и т.д.
Наше программное обеспечение демонстрирует интеллектуальные возможности PANN™

Прорыв в графических процессорах

PANN™ работает чрезвычайно быстро на графических процессорах. Это делает возможным создание суперкомпьютера на основе графических процессоров и PANN™. Рынок суперкомпьютеров на GPU уже составляет около 18 миллиардов долларов.

Рынок готов к этому:

  • Многие компании-разработчики суперкомпьютеров используют графические процессоры для параллельных математических операций, тем самым увеличивая скорость вычислений. Например, Cray, IBM, Dell и HPE.
  • Некоторые компании используют графические процессоры для увеличения скорости ИНС. nVidia, например, использует GPU для увеличения скорости ИНС в 20+ раз по сравнению с CPU.
Ядра CUDA: 3584/1792

Стань одним из первых участников технологической революции в Искусственном Интеллекте с нами