سیستم فوتونیک نوین، هوش مصنوعی را به سرعت نور می‌رساند

به گزارش خبرنگار دانش و فناوری خبرگزاری دانشجو، محققان یک روش جدید محاسبات نوری را نشان داده‌اند که عملیات پیچیده تانسور را در یک عبور نور انجام می‌دهد. این پیشرفت می‌تواند نحوه پردازش داده‌ها توسط سیستم‌های مدرن هوش مصنوعی را تغییر شکل دهد و فشار رو به رشد بر روی سخت‌افزار‌های دیجیتال مرسوم را کاهش دهد.

عملیات تنسور تقریباً هر وظیفه هوش مصنوعی امروزی را هدایت می‌کند. پردازنده‌های گرافیکی (GPU) به خوبی از عهده آنها بر می‌آیند، اما افزایش داده‌ها محدودیت‌هایی را در سرعت، بهره‌وری انرژی و مقیاس‌پذیری آشکار کرده است.

این فشار، یک تیم بین‌المللی به رهبری دکتر یوفنگ ژانگ از دانشگاه آلتو را بر آن داشت تا فراتر از مدار‌های الکترونیکی را بررسی کنند.

این گروه «محاسبات تانسوری تک‌شات» را توسعه داده‌اند، تکنیکی که از خواص فیزیکی نور برای پردازش داده‌ها استفاده می‌کند. امواج نور دارای دامنه و فاز هستند.

این تیم اطلاعات دیجیتال را در این ویژگی‌ها رمزگذاری کرد و به امواج اجازه داد تا هنگام حرکت با هم تعامل داشته باشند. این تعامل همان عملیات ریاضی را انجام می‌دهد که سیستم‌های یادگیری عمیق انجام می‌دهند.

دکتر ژانگ می‌گوید: «روش ما همان عملیاتی را انجام می‌دهد که پردازنده‌های گرافیکی امروزی انجام می‌دهند، مانند پیچش‌ها و لایه‌های توجه، اما همه آنها را با سرعت نور انجام می‌دهد.»

او اضافه می‌کند که این سیستم از سوئیچینگ الکترونیکی اجتناب می‌کند، زیرا عملیات نوری به طور طبیعی در طول انتشار آشکار می‌شوند.

رویکرد چند طول موجی قابلیت را گسترش می‌دهد

محققان این روش را با افزودن چندین طول موج نور، به پیش بردند. هر طول موج مانند کانال محاسباتی خود عمل می‌کند، که به سیستم اجازه می‌دهد عملیات تانسور مرتبه بالاتر را به صورت موازی پردازش کند.

ژانگ این فرآیند را با اداره یک مرکز گمرکی مقایسه می‌کند که در آن هر بسته از مراحل بازرسی متعددی عبور می‌کند. او توضیح می‌دهد: «تصور کنید که شما یک مأمور گمرک هستید که باید هر بسته را از طریق چندین دستگاه با عملکرد‌های مختلف بررسی کرده و سپس آنها را در سطل‌های مناسب دسته‌بندی کنید.»

نقل قول کامل با تشبیه او در مورد ادغام بسته‌ها و ماشین‌ها در یک مرحله ادامه می‌یابد. این تیم می‌گوید این نشان می‌دهد که چگونه «قلاب‌های نوری» آنها هر ورودی را در یک عملیات واحد به خروجی مناسب متصل می‌کند.

مزیت دیگر سادگی است. تعاملات به صورت غیرفعال اتفاق می‌افتند. هیچ مدار کنترل خارجی محاسبات را مدیریت نمی‌کند. این امر مصرف برق را کاهش می‌دهد و ادغام سیستم را آسان‌تر می‌کند.

پروفسور ژیپی سان، که رهبری گروه فوتونیک دانشگاه آلتو را بر عهده دارد، می‌گوید این روش روی بسیاری از پلتفرم‌های نوری کار می‌کند. او می‌گوید: «در آینده، ما قصد داریم این چارچوب محاسباتی را مستقیماً روی تراشه‌های فوتونی ادغام کنیم و پردازنده‌های مبتنی بر نور را قادر سازیم تا وظایف پیچیده هوش مصنوعی را با مصرف انرژی بسیار کم انجام دهند.»

مسیر استفاده در صنعت

این تیم انتظار دارد که این فناوری به زودی به سخت‌افزار‌های تجاری منتقل شود. دکتر ژانگ می‌گوید هدف، پیاده‌سازی این روش روی پلتفرم‌های ساخته شده توسط شرکت‌های بزرگ است. او تخمین می‌زند که ادغام این فناوری ظرف سه تا پنج سال آینده انجام شود.

محققان استدلال می‌کنند که چنین سیستم‌هایی می‌توانند حجم کار هوش مصنوعی را در زمینه‌هایی که به پردازش در زمان واقعی متکی هستند، سرعت بخشند.

این موارد شامل تصویربرداری، مدل‌های زبانی بزرگ و شبیه‌سازی‌های علمی می‌شود. روش‌های نوری همچنین نویدبخش مصرف انرژی کمتر هستند، که با گسترش مدل‌های هوش مصنوعی، نگرانی فزاینده‌ای ایجاد می‌کند.

ژانگ در پایان می‌گوید: «این امر نسل جدیدی از سیستم‌های محاسبات نوری را ایجاد خواهد کرد که به طور قابل توجهی وظایف پیچیده هوش مصنوعی را در طیف وسیعی از زمینه‌ها تسریع می‌کند.»

این مطالعه در مجله Nature Photonics منتشر شده است.