تراشه‌های نوری چین؛ تا ۱۰۰ برابر سریع‌تر از GPUهای انویدیا در برخی وظایف هوش مصنوعی

تراشه‌های نوری چین؛ تا ۱۰۰ برابر سریع‌تر از GPUهای انویدیا در برخی وظایف هوش مصنوعی
فهرست مطالب

گزارش‌ها حاکی از آن است که پژوهشگران چینی نسل جدیدی از تراشه‌های هوش مصنوعی مبتنی بر نور (فوتونیک) را توسعه داده‌اند که در برخی وظایف خاص، از نظر سرعت و بهره‌وری انرژی، می‌توانند تا بیش از ۱۰۰ برابر سریع‌تر از پردازنده‌های گرافیکی پیشرفته انویدیا عمل کنند.

بر اساس این ادعاها، این تراشه‌ها در کاربردهای مشخصی مانند تولید ویدئو، پردازش تصویر و وظایف مولد بصری عملکردی خیره‌کننده دارند. با این حال، متخصصان تأکید می‌کنند که این فناوری جایگزین مستقیم GPUهای عمومی مانند محصولات انویدیا نیست، بلکه معماری محاسباتی جدیدی برای وظایف بسیار محدود و هدفمند به شمار می‌رود.

برخلاف GPUهای مرسوم که با جریان الکترون‌ها در ترانزیستورها کار می‌کنند و توانایی اجرای طیف گسترده‌ای از برنامه‌ها را دارند، تراشه‌های فوتونیک از فوتون‌ها (نور) و تداخل نوری برای انجام محاسبات استفاده می‌کنند. این روش باعث افزایش چشمگیر سرعت و کاهش مصرف انرژی می‌شود، اما در عوض، انعطاف‌پذیری کمتری نسبت به تراشه‌های دیجیتال رایج دارد.

یکی از این تراشه‌ها با نام ACCEL که در دانشگاه تسینگ‌هوا توسعه یافته، معماری ترکیبی از اجزای فوتونیک و الکترونیکی آنالوگ دارد و با فناوری‌های قدیمی‌تر ساخت نیمه‌رسانا قابل تولید است. این تراشه توان پردازشی حدود ۴.۶ پتافلاپس را با مصرف انرژی بسیار پایین ارائه می‌دهد، هرچند تنها قادر به انجام محاسبات آنالوگ از پیش تعریف‌شده است و امکان اجرای برنامه‌های عمومی یا آموزش مدل‌های هوش مصنوعی را ندارد.

تراشه دوم با نام LightGen حاصل همکاری دانشگاه شانگهای جیاوتونگ و دانشگاه تسینگ‌هوا است. این تراشه کاملاً نوری بوده و بیش از دو میلیون «نورون فوتونیک» دارد. طبق گزارش‌ها، LightGen می‌تواند وظایفی مانند تولید تصویر، انتقال سبک، حذف نویز و پردازش تصاویر سه‌بعدی را با سرعتی بیش از ۱۰۰ برابر سریع‌تر از تراشه‌های متداول و با مصرف انرژی بسیار کمتر انجام دهد.

پژوهشگران معتقدند LightGen تاکنون قوی‌ترین شواهد را ارائه می‌دهد که سخت‌افزار فوتونیک می‌تواند در حوزه هوش مصنوعی مولد، هرچند در دامنه‌های محدود، عملکردی واقعی و مؤثر داشته باشد.

در مجموع، تراشه‌های ACCEL و LightGen نشان می‌دهند که سخت‌افزارهای نوری می‌توانند در وظایف خاص هوش مصنوعی، با اختلافی چشمگیر از GPUها پیشی بگیرند؛ اما این تراشه‌ها ماشین‌هایی تخصصی و آنالوگ هستند و نمی‌توانند جایگزین پردازنده‌های همه‌منظوره در رایانه‌ها و مراکز داده شوند. جزئیات این پژوهش در نشریه علمی Science منتشر شده است.

کد خبر ۲۱۰۰۴۱۰۰۱.۰۲۷

منبع: اینترستینگ اینجیرینگ

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *