محققان تراشه هوش مصنوعی جدیدی را ایجاد کردند که مبتنی بر نور باشد. این فناوری وظایف هوش مصنوعی را سریعتر انجام می دهد و مصرف برق خود را کاهش می دهد.
هوش مصنوعی در حال تبدیل شدن به ستون اصلی فناوری مدرن است ، اما عرضه انرژی مدلهای هوش مصنوعی به برق زیادی نیاز دارد که چالش های مربوط به کارآیی و پایداری را ایجاد می کند. دانشمندان دانشگاه فلوریدا راهی برای مقابله با این مشکل پیدا کردند. آنها تراشه جدیدی از نور ایجاد کردند که نه تنها مصرف برق را کاهش می دهد ، بلکه یکی از مهمترین وظایف هوش مصنوعی را نیز سریعتر می کند.
تراشه برای “عملیات Convolution” ساخته شده است ، که یک عملکرد کلیدی در یادگیری ماشین است. این عملیات به هوش مصنوعی اجازه می دهد تا الگوهای تصاویر ، فیلم ها و متن را تشخیص دهد. آنها همچنین مقادیر زیادی از قدرت محاسباتی را مصرف می کنند. این تیم اجزای نوری را مستقیماً روی یک تراشه سیلیکون ادغام کردند ، سپس لنزهای لیزر و لنزهای میکروسکوپی “عملیات مختصات” را سریعتر و کمتر مصرف انرژی انجام دادند.
ولکر سورگر ، رئیس این مطالعه و یک استاد برجسته فوتونیک نیمه جانبی در دانشگاه فلوریدا ، گفت: “انجام یک محاسبه کلیدی از یادگیری ماشین با انرژی تقریباً صفر ، گامی به جلو برای سیستم های هوش مصنوعی است.” این امر برای افزایش مقیاس قابلیت های هوش مصنوعی در سالهای آینده بسیار مهم است.
آزمایشات نشان داد که نمونه اولیه ارقام دست نویس را با دقت حدود 2 ٪ طبقه بندی می کند. این فناوری به دو “لنز Fresnel” و ساختارهای مسطح بسیار نازک متکی است. هر لنز از موهای انسان نازک تر است و با روش های نیمه هادی استاندارد روی تراشه حک شده است. داده ها برای اجرای “عملیات همزمان” روی تراشه به نور لیزر تبدیل می شوند. این نور از “لنز لنزها” عبور می کند و در نهایت به یک سیگنال دیجیتالی برای الگوی هوش مصنوعی تبدیل می شود.
Hangbo Yang گفت: “این اولین بار است که فرد این نوع محاسبه نور را روی یک تراشه قرار داده و از آن در یک شبکه عصبی از هوش مصنوعی استفاده کرده است.”
ترکیب جریان برای یک فرآیند
تراشه همچنین می تواند چندین جریان داده را همزمان پردازش کند. این تیم تحقیقاتی این پیشرفت مهم را با استفاده از لیزرهای رنگ های مختلف انجام داد. این روش به طول موج “چند برابر” شناخته می شود. یانگ گفت: “ما می توانیم همزمان از لنز عبور کنیم.” این یک مزیت کلیدی فوتونی است.
ضرب یا “همسالان -به -ر” در ارتباطات و شبکه های رایانه ای فرایندی است که چندین آنالوگ یا دیجیتالی را در یک سیگنال در یک رسانه مشترک ترکیب می کند.
محققان خاطرنشان كردند: ما از سایر مؤلفه های اصلی مؤلفه های نوری در سیستم های هوش مصنوعی خود استفاده كردیم. این می تواند ایجاد این فناوری جدید به کاربردهای تجاری را آسانتر کند. عکاسی مبتنی بر تراشه در آینده نزدیک به بخش اصلی هر تراشه هوش مصنوعی که روزانه از آن استفاده می کنیم تبدیل می شود و محاسبات نوری هوش مصنوعی مرحله بعدی است.
تراشه این تیم می تواند با کاهش مصرف انرژی و حفظ دقت بالا ، به مقیاس پذیری هوش مصنوعی کمک کند تا تقاضای جهانی را برآورده کند. اگر این فناوری فراتر از آزمایشگاه باشد ، تراشه های مبتنی بر نور ممکن است به زودی انرژی بسیاری از ابزارهای هوش مصنوعی را که مردم هر روز به آنها اعتماد می کنند ، فراهم کند.
این مطالعه در مجله Advanced Photonics منتشر شده است.
منبع: isna
