W miarę przyspieszenia zapotrzebowania na sztuczną inteligencję (AI) w różnych branżach, nowe badanie opublikowane przez IEEE Photonics Society podkreśla obiecujący przełom sprzętowy mający na celu sprostanie rosnącym wyzwaniom dotyczącym energii i wydajności AI.
Badania, prowadzone przez dr Bassem Tossoun, starszego naukowca naukowca w Hewlett Packard Labs, wprowadza platformę fotoniczną zintegrowanego obwodu (PIC), która mogłaby przekształcić sposób przetwarzania obciążeń AI. W przeciwieństwie do tradycyjnych systemów opartych na GPU, które opierają się na elektronicznych rozproszonych sieciach neuronowych (DNN), ta nowa platforma wykorzystuje optyczne sieci neuronowe (ONNS), działające z prędkością światła o znacznie zmniejszonym zużyciu energii.
Opublikowane w IEEE Journal of Selected Tematy w Quantum Electronics, badanie przedstawia przyspieszenie fotoniczne jako skalowalną i zrównoważoną alternatywę dla sprzętu AI nowej generacji. Podejście koncentruje się na integracji urządzeń fotonicznych bezpośrednio z krzemowymi wiórami przy użyciu mieszanki fotonicznych krzemowych i półprzewodników złożonych III-V.
Technologia Photonics Silicon od dawna uważana jest za obiecującą w przypadku aplikacji ciężkich danych. Jednak skalowalność złożonych operacji AI pozostała przeszkodą. Zespół badawczy IEEE zajął się tym, łącząc fotonikę krzemową z materiałami III-V, takimi jak fosfor indium (INP) i arsenid galu (GAA), umożliwiając lasery na chipie, wzmacniacze i szybkie komponenty optyczne, aby skutecznie funkcjonować.
„Nasza platforma urządzeń może być wykorzystywana jako elementy składowe dla akceleratorów fotonicznych o znacznie większej wydajności energetycznej i skalowalności niż obecny najnowocześniejszy”, powiedział dr Tossoun.
Proces wytwarzania rozpoczął się od waflów krzemu na izolatorze (SOI) i włączył serię zaawansowanych kroków, w tym litografii, domieszkowania, selektywnego wzrostu krzemowego i germanu oraz wiązania umierających na materiały III-V. Rezultatem jest integracja krytycznych komponentów, takich jak lasery na chipie, wzmacniacze, modulatory, fotodetektory i nielotne zmiany zmiany biegów fazowych-wszystkie niezbędne do budowania optycznych sieci neuronowych.
Ten poziom integracji pozwala platformom wykonywać obciążenia AI i uczenia maszynowego o wyższej wydajności, jednocześnie minimalizując straty energii powszechnie obserwowane w systemach elektronicznych.
Deepl wymieniony na liście Forbes AI 50 na drugi rok z rzędu
Nowa platforma fotoniczna została zaprojektowana w celu zaspokojenia rosnących potrzeb infrastrukturalnych dla centrów danych z pracą AI. Dzięki swojej zdolności do wydajniejszego obsługi intensywnych zadań obliczeniowych platforma może pomóc organizacjom optymalizować zużycie energii podczas skalowania operacji AI.
Patrząc w przyszłość, naukowcy widzą tę innowacje, które przyczyniają się do bardziej zrównoważonego rozwoju sztucznej inteligencji, pomagając przezwyciężyć rosnące wymagania energetyczne dotyczące głębokiego uczenia się i przetwarzanie danych na dużą skalę.
Badania są szczegółowe w artykule zatytułowanym „Zintegrowana platforma urządzeń fotonicznych na dużą skalę do energooszczędnych akceleratorów AI/ML” Opublikowane w IEEE Journal of Selected Temics in Quantum Electronics. Projekt odzwierciedla ciągłe wysiłki w społeczności Photonics w celu opracowania rozwiązań sprzętowych, które są zgodne z przyszłymi potrzebami w zakresie wydajności i zrównoważonego rozwoju infrastruktury AI.
