به گزارش گروه دانشگاه خبرگزاری دانشجو، هوش مصنوعی در حال تبدیل شدن به ستون فقرات فناوری مدرن است، از تشخیص چهره گرفته تا اپلیکیشن‌های ترجمه. اما راه‌اندازی مدل‌های هوش مصنوعی به برق زیادی نیاز دارد و همین امر سوالاتی را در مورد کارایی و پایداری مطرح می‌کند.

محققان دانشگاه فلوریدا معتقدند که راهی برای مقابله با این مشکل پیدا کرده‌اند. تراشه جدید آنها از نور، نه فقط الکتریسیته، برای انجام یکی از دشوارترین وظایف هوش مصنوعی استفاده می‌کند.

پیشرفت چشمگیر در محاسبات مبتنی بر نور

این تراشه برای انجام عملیات کانولوشن، یک عملکرد اصلی در یادگیری ماشین، ساخته شده است. این عملیات به هوش مصنوعی اجازه می‌دهد الگو‌ها را در تصاویر، ویدیو و متن تشخیص دهد. آنها همچنین مقدار زیادی از قدرت محاسباتی را مصرف می‌کنند.

این تیم اجزای نوری را مستقیماً روی یک تراشه سیلیکونی ادغام کرد. سپس نور لیزر و لنز‌های میکروسکوپی، پیچش‌ها را سریع‌تر و با نیاز به انرژی کمتر انجام می‌دهند.

ولکر جی. سورگر، استاد فوتونیک نیمه‌رسانا در دانشگاه فلوریدا و سرپرست این مطالعه، گفت: «انجام یک محاسبه کلیدی یادگیری ماشینی در انرژی نزدیک به صفر، جهشی رو به جلو برای سیستم‌های هوش مصنوعی آینده است. این امر برای افزایش قابلیت‌های هوش مصنوعی در سال‌های آینده بسیار مهم است.

آزمایش‌ها نشان داد که نمونه اولیه، ارقام دست‌نویس را با دقت حدود ۹۸ درصد طبقه‌بندی می‌کند که با تراشه‌های معمولی مطابقت دارد.

این سیستم بر دو مجموعه از لنز‌های فرنل، ساختار‌های فوق نازک مسطح مشابه آنچه در فانوس‌های دریایی استفاده می‌شود، متکی است. هر لنز از موی انسان باریک‌تر است و با تکنیک‌های استاندارد نیمه‌رسانا روی تراشه حک شده است. برای اجرای یک کانولوشن، داده‌ها روی تراشه به نور لیزر تبدیل می‌شوند.

آن نور از میان لنز‌های فرنل عبور می‌کند که تبدیل ریاضی را انجام می‌دهند. نتیجه دوباره به یک سیگنال دیجیتال برای مدل هوش مصنوعی تبدیل می‌شود.

هانگبو یانگ، استادیار پژوهشی در گروه سورگر و یکی از نویسندگان این مطالعه، گفت: «این اولین باری است که کسی این نوع محاسبات نوری را روی یک تراشه قرار داده و آن را در یک شبکه عصبی هوش مصنوعی اعمال می‌کند.

مالتی‌پلکسینگ برای پردازش موازی

این تراشه همچنین می‌تواند چندین جریان داده را به طور همزمان پردازش کند. این تیم با استفاده از لیزر‌هایی با رنگ‌های مختلف به این هدف دست یافته است. این رویکرد به عنوان مالتی پلکس کردن طول موج شناخته می‌شود.

یانگ گفت: «ما می‌توانیم چندین طول موج یا رنگ نور را همزمان از لنز عبور دهیم. این یک مزیت کلیدی فوتونیک است.

این پروژه با همکاری موسسه نیمه‌هادی فلوریدا، دانشگاه کالیفرنیا، لس‌آنجلس و دانشگاه جورج واشنگتن انجام شد.

سورگر خاطرنشان کرد که بازیگران بزرگی مانند انویدیا در حال حاضر از اجزای نوری در سیستم‌های هوش مصنوعی خود استفاده می‌کنند. این امر می‌تواند استفاده تجاری از تراشه جدید را آسان‌تر کند.

سورگر گفت: «در آینده نزدیک، اپتیک مبتنی بر تراشه به بخش کلیدی هر تراشه هوش مصنوعی که روزانه استفاده می‌کنیم تبدیل خواهد شد؛ و محاسبات نوری هوش مصنوعی در مرحله بعدی قرار دارد.

با کاهش مصرف انرژی و در عین حال حفظ دقت بالا، تراشه تیم فلوریدا می‌تواند به مقیاس‌پذیری هوش مصنوعی برای برآوردن 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 متکی هستند، به کار گیرند.

این مطالعه در مجله Advanced Photonics منتشر شده است.