Несмотря на технологические достижения, современные компьютерные микросхемы по-прежнему опираются на электричество для выполнения сложных вычислений. И эта технология не менялась с 1960-х годов.
Однако вычисления, необходимые для обучения и работы искусственного интеллекта и зависящие от микросхем, ограничивают их использование из-за пределов скорости и эффективности. Кроме того, такие микросхемы потребляют огромное количество энергии, они очень чувствительны к производственным дефектам.
Все это говорит о том, что используемые сегодня чипы и технологии могут вскоре устареть по мере развития моделей ИИ. К этому подталкивает и то, что ежедневное потребление энергии крупными сегодняшними моделями искусственного интеллекта составляет мегаватт-часы. С учетом роста этой отрасли, ее потребление электроэнергии, по оценкам экспертов, скоро будет эквивалентно потреблению электроэнергии целой средней по размерам страны, особенно с учетом того, что потребности в энергии возрастут по мере увеличения использования ИИ и вычислительной мощности.
В указанных условиях в последнее время были проведены исследования новых микросхем, использующих взаимодействие света с веществом, которые могут преодолеть ограничения современных технологий, одновременно значительно снизив затраты энергии на их эксплуатацию.
В результате исследователи из Университета Пенсильвании разработали чип SiPh на основе кремния использующего электромагнитные волны (вместо электрических сигналов) для выполнения сложных вычислений, необходимых для формирования и функционирования моделей искусственного интеллекта. Этот кремниево-фотонный чип (SiPh), среди прочего, позволит нейронным сетям реагировать со скоростью, близкой к скорости света, при значительном снижении их энергопотребления.
Целью команды Университета Пенсильвании была разработка платформы, позволяющей с помощью фотонного чипа выполнять так называемое «векторно-матричное умножение», базовую математическую операцию, необходимую для разработки и функционирования нейронных сетей, — архитектуры, поддерживающей нейронные сети. «Нейронные сети могут извлечь выгоду из матрично-векторного умножения, отображаемого в виде оптических аналоговых вычислительных модулей, с улучшенным энергопотреблением на арифметическую операцию при достижении значительно более высоких скоростей», - объяснили исследователи в своей статье, опубликованной в журнале "Nature Photonics".
Чтобы выполнить матрично-векторное умножение с использованием электромагнитных волн, исследователи использовали свойства кремния, которые позволяют рассеивать свет различными способами в зависимости от его толщины. Вместо использования однородной поверхности они уменьшили толщину чипа примерно до 150 нанометров в определенных областях. Это позволило контролировать рассеяние света по платформе в соответствии с конкретными шаблонами для выполнения расчетов.
Результаты показывают, что чип может одновременно выполнять несколько умножений вектор-матрица одновременно со скоростью, близкой к скорости света, и делает это, потребляя очень мало энергии. Помимо этих преимуществ, чип SiPh может улучшить защиту данных. Это связано с тем, что электромагнитные волны не обязательно должны храниться в рабочей памяти, что сделало бы компьютеры, оснащенные этим типом микросхем, технически защищенными от несанкционированного доступа.
Эксперты утверждают, что чип SiPh уже готов для коммерческих приложений и потенциально может дополнить существующие устройства, в том числе графические процессоры (GPU), которые широко используются в системах искусственного интеллекта.
