تراشه هوش مصنوعی با نور داده‌ها را پردازش می‌کند
گروهی از محققان دانشگاه آکسفورد و همکارانشان در آلمان و انگلیس نوع جدیدی از سخت افزار مبتنی بر هوش مصنوعی را ابداع کرده اند که با کمک نور داده های سه بعدی را پردازش می کند.
به گزارش اینترستینگ انجینرینگ، با توجه به تراشه های یکپارچه فتونیک-الکترونیک، سخت افزار می تواند با استفاده از فرکانس های مختلف طول موج رادیویی نور، محاسباتی پیچیده را به طور موازی انجام دهد. محققان مدعی هستند این سخت افزار می تواند سرعت و کارایی پردازش داده‌ها را برای فعالیت های هوش مصنوعی تا چند برابر ارتقا دهد.
این تحقیق در ژورنال نیچر فوتونیکس منتشر شده و چالش های مرتبط با کاربردهای هوش مصنوعی نوین را به چالش می کشد و تقاضا برای قدرت رایانش را می افزاید. تراشه های معمول رایانشی که به قطعات الکترونیکی متکی هستند باید با سرعت نوآوری در هوش مصنوعی خود را هماهنگ کنند. این امر نیازمند دو برابر شدن قدرت پردازش در هر ۳.۵ ماه است به گفته پژوهشگران استفاده از نور به جای قطعات الکترونیکی روشی نوین برای رایانش فراهم و این چالش ها را برطرف می کند.
محققان قبلا نمونه ای از یک تراشه فتونیک را نمایش داده بودند که می تواند عملیات «ضرب ماتریس-بردار» را انجام دهد که یک فعالیت ضروری برای هوش مصنوعی است و یادگیری ماشینی را سریع‌تر از هر تراشه الکترونیکی انجام می دهد. تراشه نوین از رنگ های مختلف نور برای نمایش مجموعه داده های مختلف و انجام محاسبات متعدد به صورت موازی استفاده می کرد.
پژوهشگران در جدیدترین تحقیق خود با استفاده از فرکانس های رادیویی نور جدید رمزگذاری داده ها، بعد دیگری به فعالیت های موازی تراشه فتونیک اضافه کردند. تراشه با سرعت و دقت بالاتر می تواند داده های ۳ بعدی مانند تصاویر یا ویدئو را پردازش کند. محققان سخت افزار ابداعی را برای حل چالش پیش بینی ریسک مرگ ناگهانی در اثر سیگنال های قلبی در بیماران به کار گرفتند. آنها توانستند ۱۰۰ سیگنال قلبی را به طور همزمان تحلیل و با دقت ۹۳.۵ درصد مشکل را شناسایی کنند.
آنها تخمین می زنند سخت افزار مذکور از نظر بازده انرژی و چگالی محاسباتی می تواند حتی با مقیاس متوسط ۶ورودی × ۶ خروجی، با ضریب ۱۰۰ از برترین پردازنده‌های الکترونیکی بهتر عمل کند. آنها همچنین پیش بینی می کنند با بهره‌برداری از ویژگی‌های نوری بیشتر، مانند قطبی شدن و مولتی‌پلکس کردن حالت به پیشرفت بیشتری در موازی‌سازی محاسباتی دست یابند.