Oamenii de știință au proiectat un nou microcip care este alimentat mai degrabă de lumină decât de electricitate. Tehnologia are potențialul de a antrena viitoarele modele de inteligență artificială (AI) mult mai rapid și mai eficient decât cele mai bune componente de astăzi, susțin cercetătorii.
Prin utilizarea fotonii pentru a efectua calcule complexe, mai degrabă decât electroni, cipul ar putea depăși limitările arhitecturii clasice de cip de siliciu și ar putea accelera considerabil viteza de procesare a computerelor, reducând în același timp consumul de energie, au spus oamenii de știință într-un nou studiu, publicat pe 16 februarie în jurnal. Fotonica naturii.
Cipurile de siliciu au tranzistori – sau mici întrerupătoare electrice – care se pornesc sau se opresc atunci când se aplică tensiune. În general, cu cât un cip are mai mulți tranzistori, cu atât are mai multă putere de calcul – și cu atât are nevoie de mai multă putere pentru a funcționa.
Pe tot parcursul istoria calculatoarelor, cipurile au aderat la Legea lui Moore, care prevede că numărul de tranzistori se va dubla la fiecare doi ani fără o creștere a costurilor de producție sau a consumului de energie. Dar există limitări fizice ale cipurilor de siliciu, inclusiv viteza maximă la care pot funcționa tranzistorii, căldura pe care o generează din rezistență și cea mai mică dimensiune pe care o pot produce oamenii de știință.
Înseamnă că stivuirea miliardelor de tranzistori pe cipuri electronice din siliciu din ce în ce mai mici ar putea să nu fie fezabilă, deoarece cererea de putere crește în viitor, în special pentru sistemele AI amanătoare de energie.
Folosirea fotonilor are însă multe avantaje față de electroni. În primul rând, se mișcă mai repede decât electronii, care nu pot atinge viteza luminii. În timp ce electronii se pot mișca aproape de aceste viteze, astfel de sisteme ar avea nevoie de un cantitate extraordinară – și imposibil de fezabil – de energie. Prin urmare, utilizarea luminii ar consuma mult mai puțină energie. Fotonii sunt, de asemenea, fără masă și nu emit căldură în același mod în care fac electronii care poartă o sarcină electrică.
În proiectarea cipului lor, oamenii de știință și-au propus să construiască o platformă bazată pe lumină care ar putea efectua calcule cunoscute sub numele de multiplicare vector-matrice. Aceasta este una dintre operațiunile matematice cheie utilizate pentru antrenarea rețelelor neuronale – modele de învățare automată aranjate pentru a imita arhitectura creierului uman. Instrumentele AI precum ChatGPT și Google Gemini sunt antrenate în acest fel.
În loc să folosească o placă de siliciu de înălțime uniformă pentru semiconductor, așa cum fac cipurile de siliciu convenționale, oamenii de știință au făcut siliciul mai subțire – dar numai în anumite regiuni.
„Acele variații de înălțime – fără adăugarea de alte materiale – oferă un mijloc de control al propagării luminii prin cip, deoarece variațiile de înălțime pot fi distribuite pentru a face ca lumina să se împrăștie în modele specifice, permițând cipului să efectueze calcule matematice. calcule la viteza luminii”, co-autor principal Nader Enghetaprofesor de fizică la Universitatea din Pennsylvania, a spus într-un afirmație.
Cercetătorii susțin că designul lor se poate încadra în metodele de producție preexistente fără a fi nevoie să-l adapteze. Acest lucru se datorează faptului că metodele pe care le-au folosit pentru a-și construi cipurile fotonice au fost aceleași cu cele folosite pentru a face cipuri convenționale.
Ei au adăugat că schemele de proiectare pot fi adaptate pentru a fi utilizate în creșterea unităților de procesare grafică (GPU), pentru care cererea a crescut vertiginos în ultimii ani. Acest lucru se datorează faptului că aceste componente sunt esențiale pentru formarea modelelor lingvistice mari (LLM) precum Gemini de la Google sau ChatGPT de la OpenAI.
„Ei pot adopta platforma Silicon Photonics ca supliment”, co-autor Firooz Aflatouni, profesor de inginerie electrică la Universitatea din Pennsylvania, a declarat în declarație. „Și atunci ai putea accelera [AI] pregătire și clasificare”.