Işık Tabanlı Çipler Yapay Zekanın Sürekli Artan Enerji Açlığını Gidermeye Yardımcı Olabilir

“Burada inanılmaz derecede basit bir şeye sahibiz” dedi Tianwei Wuçalışmanın baş yazarı. “Yeniden programlayabilir, lazer desenlerini anında değiştirebiliriz.” Araştırmacılar, sesli harfleri başarıyla ayırt eden bir sinir ağı tasarlamak için sistemi kullandılar. Çoğu fotonik sistemin, inşa edilmeden önce eğitilmesi gerekir, çünkü eğitim zorunlu olarak bağlantıları yeniden yapılandırmayı içerir. Ancak bu sistem kolayca yeniden yapılandırılabildiğinden, araştırmacılar modeli yarı iletkene takıldıktan sonra eğittiler. Şimdi çipin boyutunu artırmayı ve farklı ışık renklerinde daha fazla bilgi kodlamayı planlıyorlar, bu da işleyebileceği veri miktarını artırmalı.

Bu, 90'larda yüz tanıma sistemini geliştiren Psaltis'in bile etkileyici bulduğu bir ilerleme. “40 yıl önceki en çılgın hayallerimiz, gerçekte gerçekleşenlerle karşılaştırıldığında çok mütevazıydı.”

Işığın İlk Işınları

Optik hesaplama son birkaç yılda hızla ilerlemesine rağmen, laboratuvarların dışında sinir ağlarını çalıştıran elektronik çiplerin yerini almaktan hala çok uzak. Makaleler, elektronik olanlardan daha iyi çalışan fotonik sistemleri duyuruyor, ancak bunlar genellikle eski ağ tasarımları ve küçük iş yükleri kullanarak küçük modeller çalıştırıyor. Ve fotonik üstünlük hakkında bildirilen rakamların çoğu tüm hikayeyi anlatmıyor, diyor Ontario'daki Queen's Üniversitesi'nden Bhavin Shastri. “Elektronikle elma ile elma karşılaştırması yapmak çok zor,” diyor. “Örneğin, lazer kullandıklarında, lazerleri çalıştırmak için gereken enerjiden gerçekten bahsetmiyorlar.”

Laboratuvar sistemlerinin rekabet avantajı gösterebilmeleri için ölçeklerinin büyütülmesi gerekiyor. “Kazanmak için ne kadar büyük olmanız gerekiyor?” McMahon sordu. Cevap: son derece büyük. Bu nedenle hiç kimse, çipleri günümüzün en gelişmiş yapay zeka sistemlerinin çoğuna güç sağlayan Nvidia tarafından üretilen bir çiple boy ölçüşemez. Yol boyunca çözülmesi gereken çok sayıda mühendislik bulmacası var; elektronik tarafının onlarca yıldır çözdüğü sorunlar. McMahon, “Elektronik büyük bir avantajla başlıyor” dedi.

Bazı araştırmacılar ONN tabanlı yapay zeka sistemlerinin başarıyı ilk olarak benzersiz avantajlar sağladıkları özel uygulamalarda bulacağını düşünüyor. Shastri, umut verici bir kullanımın, 5G hücresel kuleler ve uçakların yön bulmasına yardımcı olan radar altimetreleri gibi farklı kablosuz iletimler arasındaki paraziti ortadan kaldırmak olduğunu söyledi. Bu yılın başlarında Shastri ve birkaç meslektaşı bir ONN oluşturuldu farklı iletimleri sıralayabilen ve ilgilenilen bir sinyali gerçek zamanlı olarak ve 15 pikosaniyenin (saniyenin 15 trilyonda biri) altında bir işlem gecikmesiyle seçebilen; bu, bir elektronik sistemin alacağı sürenin binde birinden daha az olup, daha az enerji harcar. Gücün 1/70'inden fazla.

Ancak McMahon, büyük vizyonun -genel kullanım için elektronik sistemleri geçebilen optik sinir ağı- peşinden gitmeye değer olduğunu söyledi. Geçtiğimiz yıl grubu simülasyonları çalıştırdı on yıl içinde yeterince büyük bir optik sistemin bazı AI modellerini gelecekteki elektronik sistemlerden 1.000 kat daha verimli hale getirebileceğini gösteriyor. “Birçok şirket şu anda 1,5 kat fayda elde etmek için çok çabalıyor. Bin kat fayda, bu harika olurdu,” dedi. “Bu belki 10 yıllık bir projedir—eğer başarılı olursa.”

Orijinal hikaye izniyle yeniden basılmıştır Quanta Dergisi, editoryal açıdan bağımsız bir yayın Simons Vakfı Misyonu matematik, fizik ve yaşam bilimlerindeki araştırma gelişmelerini ve eğilimlerini kapsayarak halkın bilim anlayışını geliştirmektir.