Учёные разработали новый микрочип, который питается от света, а не от электричества. Исследователи утверждают, что эта технология может обучать будущие модели искусственного интеллекта (ИИ) гораздо быстрее и эффективнее, чем лучшие сегодняшние компоненты.
Используя фотоны для выполнения сложных вычислений, а не электроны, чип может преодолеть ограничения классической архитектуры кремниевых чипов и значительно ускорить скорость обработки компьютеров, а также снизить их энергопотребление, заявили учёные в новом исследовании, опубликованном 16 февраля в журнале Nature Photonics.
Кремниевые чипы содержат транзисторы — или крошечные электрические переключатели — которые включаются или выключаются при подаче напряжения. В целом говоря, чем больше транзисторов имеет чип, тем больше у него вычислительной мощности — и тем больше энергии ему требуется для работы.
На протяжении всей истории вычислительной техники чипы придерживались Закона Мура, который гласит, что количество транзисторов будет удваиваться каждые два года без увеличения производственных затрат или энергопотребления. Но у кремниевых чипов есть физические ограничения, включая максимальную скорость, с которой могут работать транзисторы, тепло, которое они выделяют из-за сопротивления, и самый маленький размер чипа, который могут изготовить учёные.
Это означает, что установка миллиардов транзисторов на всё более мелкие кремниево-электронные чипы может оказаться невыполнимой миссией, поскольку в будущем спрос на электроэнергию только будет расти, особенно для энергоёмких систем искусственного интеллекта.
Однако использование фотонов имеет много преимуществ перед электронами. Во-первых, они движутся быстрее электронов, которые не в состоянии достигать скорости света. И хотя электроны могут двигаться со скоростями, близкими к этим, таким системам потребуется экстраординарное — и неосуществимое — количество энергии. Таким образом, использование света будет гораздо менее энергозатратным. Фотоны также не имеют массы и не выделяют тепло так, как это делают несущие электрический заряд электроны.
Разрабатывая свой чип, учёные намеревались создать световую платформу, которая могла бы выполнять вычисления, известные как векторно-матричное умножение. Это одна из ключевых математических операций, используемых для обучения нейронных сетей — моделей машинного обучения, имитирующих архитектуру человеческого мозга. Подобным образом обучаются инструменты искусственного интеллекта, такие как ChatGPT и Gemini от Google.
Вместо того, чтобы использовать в качестве полупроводника кремниевую пластину одинаковой высоты, как это делают обычные кремниевые чипы, учёные сделали кремний тоньше — но только в определённых областях.
«Эти изменения высоты — без добавления каких-либо других материалов — обеспечивают средство контроля распространения света через чип, поскольку изменения высоты могут распределяться так, чтобы свет рассеивался определённым образом, позволяя чипу выполнять математические вычисления со скоростью света», — говорится в заявлении соавтора исследования Надера Энгеты (Nader Engheta), профессора физики Пенсильванского университета.
Исследователи утверждают, что их дизайн может вписаться в уже существующие методы производства без какой-либо необходимости его адаптации. Это связано с тем, что методы, которые они использовали для создания своего фотонного чипа, были такими же, как и те, которые используются для изготовления обычных чипов.
Они добавили, что конструктивные схемы могут быть адаптированы для использования в дополняющих графических процессорах (GPU), спрос на которые в последние годы резко возрос. Всё потому, что эти компоненты играют центральную роль в обучении большим языковым моделям (LLM), таким как Gemini от Google или ChatGPT от OpenAI.
«Они могут использовать в качестве дополнения платформу кремниевой фотоники, — говорится в заявлении соавтора исследования Фируза Афлатуни (Firooz Aflatouni), профессора электротехники Пенсильванского университета. — И тогда вы сможете ускорить обучение и классификацию [ИИ].»
