تراشه‌های کم‌مصرف‌ که با سرعت نور پردازش می‌کنند

با پیچیده‌تر شدن مدل‌های هوش مصنوعی و یادگیری عمیق، نیاز به توان پردازشی بیشتر هر روز شدیدتر می‌شود. تراشه‌های الکترونیکی سنتی دیگر پاسخگوی این تقاضا نیستند. در این میان، محاسبات نوری—که به جای الکترون از فوتون استفاده می‌کند—به عنوان راهکاری نو برای عبور از این محدودیت‌ها مطرح شده است. دلیل اصلی این اقبال، توان بالای محاسبات نوری در انجام سریع‌تر و کم‌مصرف‌تر عملیات‌هایی مثل ضرب و جمع است؛ عملیات‌هایی که اساس کار هوش مصنوعی هستند.

در این میان، پژوهشگران دو تیم مستقل از سنگاپور، پیشرفت‌هایی در زمینه ترکیب نور و برق در چیپ‌های محاسباتی به دست آورده‌اند. در یکی از این مطالعات، بو پنگ و همکارانش از شتاب‌دهنده‌ای نوری به نام PACE رونمایی کردند که قابلیت انجام پردازش در زمان تأخیر بسیار پایین را دارد؛ ویژگی‌ای حیاتی برای کارهای آنی و بلادرنگ.

این شتاب‌دهنده با بیش از ۱۶ هزار جزء نوری در آرایه‌ای ۶۴ در ۶۴، قادر است با سرعت ۱ گیگاهرتز کار کند و زمان تأخیر را تا ۵۰۰ برابر نسبت به مدارهای کوچکتر کاهش دهد. این سیستم موفق شده مسائل دشواری به نام «مسائل آیزینگ» را حل کند؛ مسائلی که در کاربردهای واقعی اهمیت زیادی دارند.

در تحقیق دیگر، نیکلاس هریس و همکارانش پردازنده‌ای نوری ساخته‌اند که می‌تواند مدل‌های هوش مصنوعی را با دقت بالا پیاده‌سازی کند. این پردازنده که از چهار ماتریس ۱۲۸ در ۱۲۸ تشکیل شده، توانسته مدل پردازش زبان طبیعی BERT و شبکه عصبی ResNet (مورد استفاده در پردازش تصویر) را با دقتی مشابه پردازنده‌های الکترونیکی اجرا کند. از کاربردهای عملی این پردازنده می‌توان به تولید متن‌هایی شبیه نوشته‌های شکسپیر، تحلیل دقیق نظرات کاربران درباره فیلم‌ها، و اجرای بازی‌های قدیمی مانند پک‌من اشاره کرد.

در هر دو پژوهش، برای اجرای پروژه‌ها از ادغام تراشه‌های نوری با تراشه‌های سیلیکونی استفاده شده است. تراشه‌ها به گونه‌ای طراحی شده‌اند که مقیاس‌پذیر باشند، یعنی بتوان آن‌ها را در ابعاد بزرگ‌تر هم پیاده‌سازی کرد؛ هرچند محققان تأکید دارند که هنوز نیاز به بهینه‌سازی‌های بیشتر وجود دارد.

روش انجام کار در هر دو تحقیق به این صورت بوده که مدارهای نوری ویژه‌ای طراحی شده‌اند که بتوانند وظایف خاصی را در هوش مصنوعی اجرا کنند. این مدارها به کمک اجزای فوتونی، سرعت بالایی را با مصرف انرژی کمتر ترکیب می‌کنند و عملکردشان در کنار تراشه‌های سیلیکونی ارزیابی شده است.

از نظر یافته‌ها، تیم اول توانست نشان دهد که حتی در مقیاس بزرگ هم می‌توان تأخیر را به حداقل رساند و مسائل پیچیده را با دقت بالا حل کرد. این یعنی سیستم‌هایی مانند PACE می‌توانند در آینده نزدیک در کاربردهای واقعی مورد استفاده قرار گیرند. تیم دوم نیز با اجرای مدل‌های پیچیده هوش مصنوعی، به اثبات رساند که پردازش نوری می‌تواند در عمل جایگزینی کارآمد برای پردازش الکترونیکی باشد—آن هم بدون افت دقت یا کیفیت.

اهمیت این نتایج که در نشریه علمی معتبر Nature منتشر شده‌اند، در آن است که راه را برای ساخت سیستم‌های کامپیوتری سریع‌تر، کم‌مصرف‌تر و در عین حال دقیق‌تر هموار می‌کند. با رشد سریع فناوری‌های مبتنی بر هوش مصنوعی، نیاز به چنین تحولاتی بیش از هر زمان دیگری حس می‌شود. اگر بهینه‌سازی‌ها با همین روند ادامه پیدا کند، ممکن است تراشه‌های نوری به‌زودی جای خود را در کاربردهای تجاری و صنعتی باز کنند.