Licht aangedreven chip verbetert de AI -efficiëntie
Onderzoekers van de Universiteit van Florida hebben een siliciumfotonische chip gecreëerd die licht gebruikt om AI-berekeningen uit te voeren, waardoor energieverbruik tot 100-voudig wordt verkort met behoud van een hoge nauwkeurigheid.
Kunstmatige intelligentie gaat snel vooruit, maar de groeiende vermogensbehoeften worden een cruciale uitdaging.Een team van de Universiteit van Florida heeft een nieuwe siliciumfotonische chip ontwikkeld die deze last dramatisch zou kunnen verlichten.Door laserlicht te gebruiken in plaats van alleen elektriciteit, voert de chip convolutiebewerkingen uit-de kernpatroonherkenningstap in AI-modellen-met tot 100 keer hogere efficiëntie dan conventionele chips.Deze sprong voorwaarts gaat een van de meest krachtige aspecten van machine learning aan en biedt een duurzaam pad voor het schalen van AI.
De innovatie ligt in het integreren van ultradunne Fresnel-lenzen rechtstreeks op silicium, waardoor optische convoluties on-chip mogelijk zijn.Inputgegevens worden omgezet in licht, verwerkt als deze door de lenzen passeert en vervolgens teruggebracht in digitale signalen.Vroege tests tonen aan dat het prototype ongeveer 98% nauwkeurigheid bereikt bij het classificeren van handgeschreven cijfers, het matchen van traditionele elektronische chips maar bij bijna-nul energiekosten.Naast de efficiëntie ondersteunt de chip ook de multiplexing van de golflengte - waardoor meerdere gegevensstromen tegelijkertijd kunnen worden verwerkt met behulp van verschillende kleuren laserlicht, een mogelijkheden die uniek is voor fotonica.
Met AI's elektriciteitsvereisten die worden verwacht, zijn de implicaties aanzienlijk.Chipmakers die al experimenteren met fotonische componenten, zoals Nvidia, kunnen deze aanpak volgen om groenere, snellere AI -hardware te bouwen.Optisch AI Computing is klaar om een standaardkenmerk te worden van toekomstige chips, waardoor duurzame krachtige AI A-realiteit wordt.
"Het uitvoeren van een belangrijke berekening van machine learning bij bijna Zero Energy is een sprong voorwaarts voor toekomstige AI -systemen," zei Volker J. Sorger, Rhines schenkte professor aan de Universiteit van Florida.Zijn collega Hangbo Yang benadrukte dat dit de eerste keer dat de optische convolutie is, direct is toegepast op een neuraal netwerk op een chip.