پژوهشگران دانشگاه Aalto University موفق شده‌اند روشی نوآورانه ارائه دهند که می‌تواند معماری پردازش هوش مصنوعی را در سال‌های آینده متحول کند. این تیم، تکنیکی توسعه داده است که امکان انجام محاسبات تانسوری – هسته اصلی شبکه‌های عصبی و مدل‌های یادگیری عمیق – را تنها با یک عبور نور از یک سیستم اپتیکی فراهم می‌کند. این یافته که در ScienceDaily گزارش شده، یکی از مهم‌ترین پیشرفت‌های سال‌های اخیر در حوزه سخت‌افزارهای فوتونیک به شمار می‌رود.

در روش‌های مرسوم پردازش، مانند GPU‌ها یا شتاب‌دهنده‌های الکترونیکی، عملیات تانسوری باید مرحله‌به‌مرحله و با تبادل مداوم داده بین حافظه و پردازنده انجام شود. این فرآیند علاوه بر محدودیت سرعت، مصرف انرژی بالایی دارد. اما در فناوری جدید Aalto، داده‌ها به‌جای ذخیره در ترانزیستورهای الکترونیکی، مستقیماً در ویژگی‌های موج نور – شامل فاز، شدت یا قطبش – کدگذاری می‌شوند. به این ترتیب، محاسبه به‌صورت هم‌زمان و آنی انجام شده و خروجی تنها در نتیجه یک عبور نور از سامانه به دست می‌آید.

محققان تأکید می‌کنند که این مدل مبتنی بر فوتونیک می‌تواند با سرعتی نزدیک به سرعت نور عمل کند، در حالی‌که مصرف انرژی آن نسبت به پردازش‌های سیلیکونی رایج، به‌طور چشمگیری کمتر است. این ویژگی باعث می‌شود چنین فناوری‌هایی در آینده برای اجرای مدل‌های بزرگ هوش مصنوعی – که نیازمند توان پردازشی عظیم هستند – بسیار ارزشمند باشند.

چشم‌انداز تجاری و کاربردی

ترکیب این فناوری با چیپ‌های فوتونیک مجتمع (Integrated Photonic Chips) چشم‌اندازی قدرتمند برای صنعت فراهم می‌کند. شرکت‌های پیشرو در حوزه سخت‌افزار هوش مصنوعی مدت‌هاست به دنبال جایگزین‌هایی برای GPUهای پرمصرف هستند و این دستاورد می‌تواند دروازه‌ای به سوی نسل جدید شتاب‌دهنده‌های اپتیکی باشد.

انتظار می‌رود این فناوری در حوزه‌های زیر کاربرد گسترده پیدا کند:

• آموزش و اجرای مدل‌های بزرگ زبانی (LLMها)

• پردازش تصویری و بینایی ماشین

• سنسورها و سیستم‌های لبه‌ای با مصرف انرژی پایین

• ابررایانه‌های نسل بعد

چرا این خبر مهم است؟

برای پژوهشگران و فعالان حوزه سخت‌افزار هوش مصنوعی، این توسعه نشان می‌دهد که جهان محاسبات در آستانه یک تغییر بنیادین قرار دارد. اگر این فناوری به مقیاس صنعتی برسد، می‌تواند:

• بار پردازشی مدل‌های هوش مصنوعی را از GPUها به سمت پردازنده‌های فوتونیک منتقل کند،

• سرعت اجرا را چندین برابر افزایش دهد،

• هزینه انرژی و خنک‌سازی را به‌طور معنی‌دار کاهش دهد،

• و مسیر طراحی مدل‌های بسیار بزرگ‌تر را هموار کند.

به بیان دیگر، آینده محاسبات هوش مصنوعی احتمالاً ترکیبی از الکترونیک + فوتونیک خواهد بود؛ و فناوری Aalto یکی از جدی‌ترین قدم‌ها در این مسیر است.