پژوهشگران دانشگاه University of Pennsylvania در حال توسعه فناوری جدیدی هستند که میتواند آینده پردازشهای هوش مصنوعی را متحول کند؛ فناوریای که بهجای استفاده از الکترونها از ذرات ترکیبی نور و ماده برای انجام محاسبات استفاده میکند و میتواند مصرف انرژی سامانههای هوش مصنوعی را به شکل چشمگیری کاهش دهد.
به گزارش برنا، هشتاد سال پس از معرفی رایانه ENIAC نخستین رایانه الکترونیکی همهمنظوره جهان که توسط پژوهشگران دانشگاه پنسیلوانیا ساخته شد دانشمندان این دانشگاه اکنون به دنبال نسل کاملا متفاوتی از رایانش هستند. ENIAC که توسط جی. پرسپر اکرت و جان ماکلی توسعه یافت آغازگر عصر رایانش الکترونیکی بود و عملکرد آن بر پایه حرکت الکترونها در مدارها شکل گرفته بود؛ رویکردی که همچنان اساس عملکرد رایانههای امروزی محسوب میشود.
با این حال رشد سریع سامانههای هوش مصنوعی و نیاز روزافزون آنها به پردازش حجم عظیمی از دادهها محدودیتهای فیزیکی و انرژی رایانش الکترونیکی را بیش از پیش آشکار کرده است. حرکت الکترونها در مواد باعث ایجاد گرما و مقاومت الکتریکی میشود و بخشی از انرژی را هدر میدهد. همین موضوع خنکسازی تراشهها و افزایش توان پردازشی آنها را دشوارتر کرده است.
در همین راستا گروهی از فیزیکدانان دانشگاه پنسیلوانیا به سرپرستی بو ژن در دانشکده هنر و علوم این دانشگاه در حال بررسی این موضوع هستند که آیا فوتونها یعنی ذرات تشکیلدهنده نور میتوانند بخشی از وظایف الکترونها را در رایانههای آینده برعهده بگیرند یا خیر.
لی هه از نویسندگان اصلی مقاله منتشرشده در نشریه Physical Review Letters و پژوهشگر سابق آزمایشگاه ژن، توضیح میدهد که فوتونها به دلیل نداشتن بار الکتریکی و جرم سکون میتوانند اطلاعات را با سرعت بسیار بالا و اتلاف انرژی بسیار کم منتقل کنند و به همین دلیل سالهاست فناوریهای ارتباطی بر پایه نور توسعه یافتهاند، اما همین ویژگی باعث میشود فوتونها تعامل کمی با محیط داشته باشند و برای انجام عملیات منطقی و سوئیچینگ که در محاسبات رایانهای ضروری هستند، چندان مناسب نباشند.
به گفته پژوهشگران نور در انتقال اطلاعات فوقالعاده کارآمد است اما به طور طبیعی فاقد برهمکنشهای قوی موردنیاز برای انجام عملیات محاسباتی مانند تصمیمگیری و سوئیچینگ است. برای حل این مشکل تیم تحقیقاتی دانشگاه پنسیلوانیا نوع ویژهای از شبهذرات موسوم به اکسیتون-پولاریتون را ایجاد کرده است.
این ذرات از ترکیب فوتونها با الکترونها در یک نیمهرسانای فوقنازک اتمی به وجود میآیند و در واقع ذراتی هیبریدی از نور و ماده هستند. چنین ساختاری میتواند سرعت بالای نور را با قابلیت برهمکنش قوی ماده ترکیب کند؛ ویژگیای که برای توسعه رایانش نوری ضروری است.
این دستاورد میتواند اهمیت ویژهای برای آینده تراشههای هوش مصنوعی داشته باشد. در حال حاضر بسیاری از تراشههای فوتونیک مبتنی بر هوش مصنوعی از نور برای انجام سریع و کممصرف برخی محاسبات استفاده میکنند، اما زمانی که این سامانهها به عملیات غیرخطی یا تصمیمگیری نیاز دارند، ناچارند سیگنالهای نوری را دوباره به سیگنالهای الکترونیکی تبدیل کنند. این تبدیل مکرر میان نور و الکتریسیته باعث کاهش سرعت و افزایش مصرف انرژی میشود و بخشی از مزیت رایانش نوری را از بین میبرد.
پژوهشگران دانشگاه پنسیلوانیا اعلام کردند با استفاده از اکسیتون-پولاریتونها موفق شدهاند فرایند سوئیچینگ تمامنوری را تنها با مصرف حدود ۴ کوادریلیونیوم ژول انرژی انجام دهند؛ مقداری بسیار ناچیز که به مراتب کمتر از انرژی موردنیاز برای روشن کردن لحظهای یک چراغ LED کوچک است.
به گفته محققان اگر این فناوری در مقیاس بزرگ قابل پیادهسازی باشد نسل آینده تراشههای فوتونیک میتوانند اطلاعات نوری را مستقیما از دوربینها و حسگرها پردازش کنند، بدون آنکه نیاز به تبدیل مداوم سیگنالها میان نور و الکتریسیته وجود داشته باشد. این رویکرد میتواند مصرف انرژی سامانههای بزرگ هوش مصنوعی را به طور قابلتوجهی کاهش دهد و حتی زمینه را برای برخی قابلیتهای پایه رایانش کوانتومی روی تراشهها فراهم کند.
انتهای پیام/