اولین تراشه فوتونیک قابل برنامه‌ریزی جهان، هوش مصنوعی را با سرعت نور آموزش می‌دهد
به گزارش «نبض فناوری»، به نقل ازscitechdaily، مهندسین دانشگاه پنسیلوانیا نخستین تراشه فوتونیک قابل برنامه‌ریزی را طراحی کردند که با استفاده از نور، شبکه‌های عصبی غیرخطی را آموزش می‌دهد. این دستاورد انقلابی می‌تواند سرعت هوش مصنوعی (AI) را افزایش دهد، مصرف انرژی را کاهش دهد و در نهایت به کامپیوتر‌هایی کاملا مبتنی بر نور برسد.
، تیمی از محققان دانشگاه پنسیلوانیا، با رهبری لیانگ فنگ، استاد دانشکده مهندسی مواد و برق، اولین تراشه فوتونیک را توسعه دادند که قادر است محاسبات غیرخطی لازم برای آموزش شبکه‌های عصبی عمیق را تنها با استفاده از نور انجام دهد. این دستاورد در مجله نیچر فوتونیکس منتشر شد.
موفقیت تراشه‌های فوتونیک در چیست؟
شبکه‌های عصبی عمیق برای یادگیری و تصمیم‌گیری به توابع غیرخطی نیاز دارند. این توابع این امکان را فراهم می‌کنند که تغییرات کوچک در ورودی، تغییرات بزرگ در خروجی ایجاد کنند، همانند نحوه فعالیت نورون‌های مغز. بدون این غیرخطی‌بودن، تمام لایه‌های شبکه عصبی به یک عملکرد خطی کاهش می‌یابند و یادگیری واقعی اتفاق نمی‌افتد.
تاکنون، تمام تلاش‌ها در حوزه تراشه‌های فوتونیک تنها محدود به انجام محاسبات خطی بود. اما تیم پنسیلوانیا برای اولین بار موفق شدند غیرخطی‌بودن را با نور شبیه‌سازی کنند.
تراشه از یک ماده نیم‌رسانا ویژه استفاده می‌کند که به نور واکنش نشان می‌دهد. دو دسته پرتو نور در این فرایند نقش دارند:
نور سیگنال: حاوی داده‌های ورودی.
نور پمپ: از بالا بر ماده نیم‌رسانا تأثیر می‌گذارد و نحوه جذب، انتقال یا تقویت نور سیگنال را تنظیم می‌کند.
با تغییر شکل و شدت نور پمپ، تیم می‌تواند تراشه را به انجام توابع غیرخطی مختلف برنامه‌ریزی کند. تیانوی وو، نویسنده اصلی مقاله، گفت: «ما ساختار تراشه را تغییر نمی‌دهیم، بلکه از نور برای ایجاد الگو‌های داخلی در ماده استفاده می‌کنیم.»
آزمایش‌ها و نتایج انجام شده شامل دقت ۹۷درصد در حل مسائل مرز تصمیم غیرخطی و دقت ۹۶درصد در مجموعه داده معروف گل ایریس است. کارایی بیشتر در چهار اتصال فوتونیک غیرخطی معادل ۲۰ اتصال الکترونیک خطی بود. این تراشه بدون نیاز به قطعات الکترونیکی گران‌قیمت و با مصرف انرژی پایین عمل کرد.
لیانگ فنگ گفت: «این تراشه اولین قدم واقعی به سوی کامپیوتر‌هایی است که هوش مصنوعی را با سرعت نور آموزش می‌دهند»
وی افزود: «ما در پنسیلوانیا جایی هستیم که اولین کامپیوتر دیجیتال جهان (ENIAC) متولد شد. این تراشه می‌تواند پایه کامپیوتر فوتونیک ENIAC آینده باشد.»
این فناوری می‌تواند، مصرف انرژی در مراکز داده هوش مصنوعی را به شدت کاهش دهد. همچنین توابع پیچیده‌تری مانند توابع نمایی یا معکوس را برای کاربرد‌های بزرگ مانند آموزش مدل‌های زبانی بزرگ فراهم کند و نسل جدید کامپیوتر‌های نوری را فراهم کند که بدون تولید گرما کار می‌کنند.
این تراشه فوتونیک نه تنها چالش غیرخطی‌بودن را حل کرده، بلکه دروازه‌ای به سوی آینده‌ای است که هوش مصنوعی با سرعت نور و مصرف انرژی پایین کار کند. در حالی که دنیا با بحران انرژی در مراکز داده مواجه است، این دستاورد می‌تواند راهکاری انقلابی باشد.
