دانشمندان چینی با معرفی تراشه فوتونیکی LightGen، پردازندهای ساختهاند که ۱۰۰ برابر سریعتر از قدرتمندترین GPUهای فعلی انویدیا عمل میکند.
به گزارش سرویس سخت افزار تکناک، محققان دانشگاه شانگهای جیاتونگ و دانشگاه تسینگهوا پردازندههای کاملاً فوتونیکی ساختهاند که میتوانند مدلهای بزرگ هوش مصنوعی را با سرعت و بهرهوری چند برابر سختافزارهای سیلیکونی سنتی اجرا کنند. این چیپ محاسباتی تماماً نوری بهطور ویژه برای پاسخگویی به نیازهای عظیم هوش مصنوعی مولد طراحی شده است.
تراشه فوتونیکی LightGen که جزئیات آن در نشریه Science منتشر شده، نشاندهنده تغییری اساسی از ترانزیستورهای الکترونیکی به نورونهای فوتونیکی است و میتواند راهحلی بالقوه برای گلوگاههای شدید مصرف انرژی باشد که هماکنون صنعت هوش مصنوعی با آن مواجه است.
درحالیکه پردازندههای نوری پیشین، تنها چند هزار نورون را در خود جای میدادند و عمدتاً به وظایف سادهتری مانند طبقهبندی تصاویر محدود بودند، LightGen با بهرهگیری از بستهبندی سهبعدی پیشرفته، بیش از دومیلیون نورون مصنوعی را در یک تراشه با مساحت تنها حدود یکچهارم اینچ مربع ادغام کرده است. این مقیاس عظیم به تراشه اجازه میدهد تا وظایف مولد پیچیدهای مانند تولید ویدئو با وضوح چشمگیر و مدلسازی سهبعدی را اجرا کند؛ کارهایی که پیشازاین تقریباً بهطور انحصاری در اختیار GPUهای الکترونیکی پرچمدار بودند.
یکی از نوآوریهای مهم این طراحی، مفهومی با عنوان «فضای نهفته نوری» است. این تراشه با استفاده از متاسطحهای فوقنازک و آرایههای فیبر نوری، میتواند دادههای با ابعاد بسیار بزرگ را بهطور کامل ازطریق نور فشردهسازی و پردازش کند. این رویکرد امکان کار با تصاویر با وضوح کامل را بدون تقسیم آنها به بخشهای کوچک فراهم و دادههای آماری حیاتی را حفظ میکند و توان عملیاتی را افزایش چشمگیری میدهد. پژوهشگران گزارش دادهاند که عملکرد این تراشه بیش از ۱۰۰ برابر سریعتر از GPU پیشرفته Nvidia A100 است.
به نوشته نوتبوکچک در آزمایشهای آزمایشگاهی، تراشه فوتونیکی LightGen توانست تولید تصاویر معنایی با وضوح درخورتوجه و پردازش سهبعدی را با کیفیتی قابلمقایسه با پیشرفتهترین شبکههای عصبی الکترونیکی انجام دهد. اگرچه این فناوری درحالحاضر به سامانههای لیزری خارجی و فرایندهای تولید تخصصی متکی است، نقشه راه امیدوارکنندهای برای آینده محاسبات هوشمند و پرسرعت و پایدار ارائه میدهد.
LightGen مسیر تازهای برای پیشبرد هوش مصنوعی مولد با سرعت و بهرهوری بیشتر باز میکند و جهتگیری جدیدی برای پژوهش در حوزه محاسبات هوشمند مولدِ پرسرعت و کممصرف انرژی ارائه میدهد.
