به گزارش ایسنا، هوش مصنوعی در حال تبدیل شدن به ستون اصلی فناوری مدرن است اما تامین انرژی مدل‌های هوش مصنوعی نیازمند برق زیادی است که چالش‌هایی را درباره کارآیی و پایداری مطرح می‌کند. دانشمندان «دانشگاه فلوریدا»(Florida) راهی برای مقابله با این مشکل پیدا کردند. آنها تراشه جدیدی از نور را توسعه دادند که نه تنها مصرف برق را کاهش می‌دهد، بلکه انجام یکی از پرتقاضاترین وظایف هوش مصنوعی را ۱۰۰ برابر سریع‌تر می‌کند.

به نقل از آی‌ای، این تراشه برای انجام «عملیات هم‌گشت»(convolution operations) ساخته شده است که یک عملکرد اصلی در یادگیری ماشینی است. این عملیات به هوش مصنوعی اجازه می‌دهد تا الگوها را در تصاویر، ویدئوها و متن تشخیص دهد. آنها همچنین مقادیر زیادی از توان محاسباتی را مصرف می‌کنند. این تیم، اجزای نوری را مستقیماً بر روی یک تراشه سیلیکونی ادغام کردند، سپس نور لیزر و عدسی‌های میکروسکوپی، «عملیات هم‌گشت» را سریع‌تر و با مصرف انرژی کمتر انجام دادند.

«ولکر سورگر»(Volker Sorger) سرپرست این مطالعه و استاد برجسته فوتونیک نیمه‌رسانا در دانشگاه فلوریدا گفت: انجام دادن یک محاسبه کلیدی یادگیری ماشینی با انرژی نزدیک به صفر، یک گام رو به جلو برای سامانه‌های هوش مصنوعی است. این امر برای افزایش مقیاس قابلیت‌های هوش مصنوعی در سال‌های آینده حیاتی است.

آزمایش‌ها نشان دادند که نمونه اولیه، ارقام دست‌نویس را با دقت حدود ۹۸ درصد طبقه‌بندی می‌کند. این فناوری بر دو «عدسی‌ فرسنل»(Fresnel lenses) و ساختارهای بسیار نازک مسطح متکی است. هر عدسی، باریک‌تر از یک تار موی انسان است و با روش‌های استاندارد نیمه‌رسانا روی تراشه حکاکی شده است. داده‌ها برای اجرای «عملیات هم‌گشت» روی تراشه به نور لیزر تبدیل می‌شوند. این نور از «عدسی‌های فرسنل» عبور می‌کند و در نهایت، برای مدل هوش مصنوعی به یک سیگنال دیجیتال تبدیل می‌شود.

«هانگبو یانگ»(Hangbo Yang) یکی از نویسندگان این مطالعه، گفت: این اولین بار است که کسی این نوع محاسبه نوری را روی یک تراشه قرار داده و آن را در یک شبکه عصبی هوش مصنوعی به کار برده است.

ترکیب جریان‌ها برای یک پردازش

این تراشه همچنین می‌تواند چندین جریان داده را به طور همزمان پردازش کند. این گروه پژوهشی با استفاده از لیزرهایی با رنگ‌های مختلف به این پیشرفت مهم دست یافتند. این روش با نام «مالتی‌پلکسینگ»(Multiplexing) طول موج شناخته می‌شود. یانگ گفت: ما می‌توانیم چندین طول موج یا رنگ نور را به طور همزمان از عدسی عبور دهیم. این یک مزیت کلیدی فوتونیک است.

مالتی‌پلکسینگ یا «همتافتگری» در مخابرات و شبکه‌های رایانه‌ای به فرآیندی می‌گویند که توسط آن چندین آنالوگ یا دیجیتال در یک سیگنال در یک رسانه مشترک ترکیب می‌شوند.

پژوهشگران خاطرنشان کردند: ما قبلا از قطعات اصلی دیگری از اجزای نوری در سامانه‌های هوش مصنوعی خود استفاده کردیم. این موضوع می‌تواند آوردن این فناوری جدید در کاربرد تجاری را آسان‌تر کند. نورشناسی مبتنی بر تراشه در آینده نزدیک، به بخش کلیدی هر تراشه هوش مصنوعی که روزانه استفاده می‌کنیم تبدیل خواهد شد و محاسبات نوری هوش مصنوعی، مرحله بعدی است.

تراشه این تیم با کاهش مصرف انرژی و در عین حال حفظ دقت بالا، می‌تواند به مقیاس‌پذیری هوش مصنوعی برای تامین تقاضای جهانی کمک کند. اگر این فناوری فراتر از آزمایشگاه پیشرفت کند، تراشه‌های مبتنی بر نور ممکن است به زودی، بسیاری از ابزارهای هوش مصنوعی را که مردم هر روز به آنها تکیه می‌کنند، تامین انرژی کنند.

این پژوهش در مجله Advanced Photonics منتشر شده است.

انتهای پیام