Καθώς η ζήτηση για τεχνητή νοημοσύνη (AI) επιταχύνει σε όλες τις βιομηχανίες, μια νέα μελέτη που δημοσιεύθηκε από την IEEE Photonics Society υπογραμμίζει μια πολλά υποσχόμενη ανακάλυψη υλικού που αποσκοπεί στην αντιμετώπιση των αυξανόμενων προκλήσεων ενέργειας και απόδοσης του AI.
Η έρευνα, με επικεφαλής τον Dr. Bassem Tossoun, ανώτερο ερευνητή στο Hewlett Packard Labs, εισάγει μια πλατφόρμα φωτονικού ολοκληρωμένου κυκλώματος (PIC) που θα μπορούσε να αναμορφώσει τον τρόπο επεξεργασίας του φόρτου εργασίας του AI. Σε αντίθεση με τα παραδοσιακά συστήματα που βασίζονται σε GPU που βασίζονται σε ηλεκτρονικά κατανεμημένα νευρωνικά δίκτυα (DNNs), αυτή η νέα πλατφόρμα αξιοποιεί τα οπτικά νευρωνικά δίκτυα (ONN), που λειτουργούν με την ταχύτητα του φωτός με σημαντικά μειωμένη κατανάλωση ενέργειας.
Δημοσιεύθηκε στο IEEE Journal of Selected Topics στο Quantum Electronics, The μελέτη Παρουσιάζει τη φωτονική επιτάχυνση ως μια κλιμακωτή και βιώσιμη εναλλακτική λύση για το υλικό AI επόμενης γενιάς. Η προσέγγιση επικεντρώνεται στην ενσωμάτωση φωτονικών συσκευών απευθείας σε τσιπ πυριτίου χρησιμοποιώντας ένα μείγμα φωτονικής πυριτίου και ημιαγωγών σύνθετων III-V.
Η τεχνολογία φωτονικής πυριτίου θεωρείται από καιρό υποσχόμενη για εφαρμογές βαρέων δεδομένων. Ωστόσο, η επεκτασιμότητα για σύνθετες επιχειρήσεις AI παρέμεινε εμπόδιο. Η ερευνητική ομάδα του IEEE το αντιμετώπισε συνδυάζοντας τη φωτονική του πυριτίου με υλικά III-V όπως το φωσφίδιο ινδίου (INP) και το αρσενίδιο του γαλλίου (GAAS), επιτρέποντας τα λέιζερ, ενισχυτές και οπτικά συστατικά υψηλής ταχύτητας να λειτουργούν αποτελεσματικά.
“Η πλατφόρμα συσκευής μας μπορεί να χρησιμοποιηθεί ως δομικά στοιχεία για φωτονικούς επιταχυντές με πολύ μεγαλύτερη ενεργειακή απόδοση και επεκτασιμότητα από την τρέχουσα υπερσύγχρονη”, δήλωσε ο Δρ Tossoun.
Η διαδικασία κατασκευής ξεκίνησε με πλακίδια πυριτίου-σε-μονωτή (SOI) και ενσωμάτωσε μια σειρά από προηγμένα βήματα, συμπεριλαμβανομένης της λιθογραφίας, του ντόπινγκ, της επιλεκτικής ανάπτυξης πυριτίου και του γερμανίου και της δέσμευσης για υλικά III-V. Το αποτέλεσμα είναι μια ενσωμάτωση κλίμακας πλακιδίων κρίσιμων εξαρτημάτων όπως λέιζερ, ενισχυτές, διαμορφωτές, φωτοανιχνευτές και μη πτητικές μετατοπιστές φάσης-όλα απαραίτητα για την κατασκευή οπτικών νευρωνικών δικτύων.
Αυτό το επίπεδο ενσωμάτωσης επιτρέπει στην πλατφόρμα να εκτελεί φόρτο εργασίας AI και μηχανικής μάθησης με υψηλότερη απόδοση, ελαχιστοποιώντας τις απώλειες ενέργειας που παρατηρούνται συνήθως σε ηλεκτρονικά συστήματα.
Το Deepl ονομάστηκε στη λίστα Forbes AI 50 για δεύτερη συνεχή χρονιά
Η νέα φωτονική πλατφόρμα έχει σχεδιαστεί για να υποστηρίζει τις αναπτυσσόμενες ανάγκες υποδομής των δεδομένων που εκτελούν το φόρτο εργασίας του AI. Με την ικανότητά της να χειρίζεται πιο αποτελεσματικά τα εντατικά υπολογιστικά καθήκοντα, η πλατφόρμα θα μπορούσε να βοηθήσει τους οργανισμούς να βελτιστοποιήσουν τη χρήση της ενέργειας ενώ κλιμακώνουν τις λειτουργίες AI.
Κοιτάζοντας μπροστά, οι ερευνητές βλέπουν αυτή την καινοτομία που συμβάλλει στην πιο βιώσιμη ανάπτυξη του AI, βοηθώντας να ξεπεραστούν οι αυξανόμενες ενεργειακές απαιτήσεις της βαθιάς μάθησης και της μεγάλης κλίμακας επεξεργασίας δεδομένων.
Η έρευνα περιγράφεται λεπτομερώς στο έγγραφο με τίτλο “Μεγάλη πλατφόρμα ενσωματωμένης φωτονικής συσκευής για ενεργειακά αποδοτικές επιταχυντές AI/ML,” Δημοσιεύθηκε στο IEEE Journal of Selected Topics στο Quantum Electronics. Το έργο αντικατοπτρίζει τις συνεχιζόμενες προσπάθειες στην κοινότητα της φωτονικής για την ανάπτυξη λύσεων υλικού που ευθυγραμμίζονται με τις μελλοντικές ανάγκες απόδοσης και βιωσιμότητας της υποδομής AI.
VIA: DataConomy.com
