Дослідники з Сіднейського університету розробили інноваційний нанофотонний чип, який виконує обчислення для систем штучного інтелекту (ШІ), використовуючи світло замість традиційної електрики.
Прототип, створений у Сіднейському центрі нанотехнологій, дозволяє обробляти інформацію за трильйонні частки секунди, що відкриває нові горизонти для продуктивності сучасного обладнання.
Читайте також:
Без залежності від NVIDIA. Meta купить до 6 гігават чипів AMD і може отримати до 10% акцій компанії Головною перевагою нової розробки є вирішення критичної проблеми енергоспоживання. Сучасні дата-центри, що обслуговують великі моделі ШІ, витрачають колосальну кількість енергії на живлення та охолодження традиційних кремнієвих чипів. У звичайних процесорах рух електронів через дроти створює опір і виділяє значне тепло. Фотонний чип працює інакше: він спрямовує світло через крихітні структури завширшки лише в декілька десятків мікрометрів (що приблизно дорівнює товщині людської волосини). Оскільки світло проходить крізь матеріали без електричного опору, тепловиділення та енерговитрати радикально знижуються.
Архітектура пристрою фактично є фізичною нейронною мережею. Наноструктури всередині чипа діють як штучні нейрони, виконуючи завдання з розпізнавання образів та класифікації безпосередньо в момент проходження світла. Це усуває потребу в окремих етапах електронної обробки, характерних для класичного програмного забезпечення.
Для перевірки можливостей прототипу дослідницька група під керівництвом професора Сяоке І навчила чип класифікувати понад 10 000 біомедичних зображень, включаючи МРТ-знімки грудної клітки та черевної порожнини. Результати виявилися вражаючими: фотонна мережа ідентифікувала зображення з точністю від 90% до 99%. При цьому кожна операція завершувалася в пікосекундному масштабі часу.
Професор І зазначає, що штучний інтелект дедалі більше обмежується потужністю енергомереж, тому переосмислення обчислень на користь фотоніки дозволить створювати компактні та надшвидкі прискорювачі ШІ. Результати дослідження, опублікованів журналі Nature Communications свідчать про те, що моделі нейронних мереж можуть бути фізично вбудовані в нанорозмірні структури, а не просто запускатися як код.
Наступним кроком вчених стане масштабування конструкції для створення більших фотонних мереж, здатних працювати зі складнішими наборами даних. У перспективі такі чипи можуть доповнити або повністю замінити традиційні процесори в завданнях машинного навчання, забезпечуючи стійкий розвиток глобальної цифрової інфраструктури.
Читайте також:
