ریزتراشه‌های الهام‌گرفته از مغز؛ راهکار آلمانی‌ها برای نصف‌کردن مصرف انرژی رایانش

دانشمندان آلمانی با الهام از ساختار و شیوه عملکرد مغز انسان نسل تازه‌ای از ریزتراشه‌های فوق‌سریع و کم‌مصرف را توسعه داده‌اند که می‌تواند مصرف انرژی در محاسبات رایانه‌ای را به‌طور چشمگیری کاهش دهد.

پژوهشگران دانشگاه فناوری ایلمناو آلمان اعلام کردند در قالب پروژه‌ای با نام neuroNODE روی اجزای الکترونیکی ابررسانا کار می‌کنند که اطلاعات را نه با جریان پیوسته بلکه از طریق پالس‌های بسیار کوتاه الکتریکی پردازش می‌کنند. این پالس‌ها شباهت زیادی به نحوه انتقال سیگنال‌ها در مسیر‌های عصبی مغز انسان دارند.

به گزارش interesting engineering، برخلاف تراشه‌های سیلیکونی متداول که حتی در حالت غیرفعال نیز انرژی مصرف می‌کنند، این فناوری جدید تنها در زمان پردازش سیگنال انرژی مصرف می‌کند. به گفته پژوهشگران همین ویژگی می‌تواند سرعت پردازش را افزایش داده و همزمان مصرف انرژی را به‌طور قابل‌توجهی کاهش دهد.

هانس توپفر، دکترای فیزیک و مدیر پروژه با اشاره به کاربرد‌های بالقوه این فناوری گفت: اگر این فناوری ابتدا در مراکز داده به‌کار گرفته شود و سپس به‌تدریج بهبود یابد می‌توان همان توان محاسباتی فعلی را با حدود نصف انرژی امروز به دست آورد.

بحران رو‌به‌رشد مصرف انرژی

این پروژه در پاسخ به افزایش سریع ترافیک جهانی داده شکل گرفته است؛ رشدی که ناشی از گسترش گوشی‌های هوشمند، خدمات ابری، پلتفرم‌های استریم و به‌ویژه هوش مصنوعی است. استفاده گسترده از این فناوری‌ها مصرف برق را در بسیاری از کشور‌ها به سطوح بی‌سابقه‌ای رسانده است.

در همین حال آموزش مدل‌های بزرگ زبانی به انرژی بسیار زیادی نیاز دارد. برآورد‌ها نشان می‌دهد آموزش مدل ChatGPT-۴ به‌تنهایی حدود ۵۰ میلیون کیلووات‌ساعت برق مصرف کرده است؛ میزانی که می‌تواند برق سالانه بیش از ۱۰ هزار خانوار سه‌نفره را تامین کند.

آمار‌های ایالات متحده نیز نشان می‌دهد مصرف برق ناشی از کاربرد‌های فناوری اطلاعات طی هشت سال گذشته همزمان با رشد هوش مصنوعی دو برابر شده است. پژوهشگران آزمایشگاه ملی لارنس برکلی در کالیفرنیا پیش‌بینی می‌کنند تا سال ۲۰۲۸ بیش از نیمی از برق مصرفی مراکز داده صرف کاربرد‌های مرتبط با هوش مصنوعی شود.

این روند آینده انقلاب دیجیتال را با چالش جدی مواجه کرده است؛ چراکه تأمین این حجم از انرژی به‌تدریج دشوارتر می‌شود. در این شرایط تراشه‌های سیلیکونی سنتی به یک محدودیت اساسی تبدیل شده‌اند و همین مسئله پژوهشگران سراسر جهان را به سمت فناوری‌های جایگزین و کم‌مصرف‌تر سوق داده است.

{$sepehr_key_9887}

الهام از سیگنال‌های عصبی

برای مقابله با این چالش تیم دانشگاه ایلمناو از ابتدای اول ژانویه توسعه مدار‌های ابررسانا را آغاز می‌کند. ایده اولیه این مدار‌ها نخستین‌بار در دهه ۱۹۵۰ توسط جان فون نویمان، ریاضیدان و فیزیکدان مجارستانی آمریکایی مطرح شده بود. این مدار‌ها با بهره‌گیری از اثرات کوانتومی داده‌ها را از طریق پالس‌های بسیار کوتاه ولتاژ منتقل می‌کنند.

این روش پالس‌محور شباهت زیادی به شیوه انتقال پیام در سیستم عصبی دارد؛ سیستمی که باعث می‌شود مغز انسان با مصرف تنها حدود ۲۰ وات انرژی وظایف شناختی بسیار پیچیده‌ای را انجام دهد؛ وظایفی که هنوز برای قدرتمندترین رایانه‌های امروزی چالش‌برانگیز است.

پژوهشگران امیدوارند با انتقال این الگو به حوزه میکروالکترونیک بتوانند قطعاتی بسازند که فقط هنگام پردازش سیگنال انرژی مصرف کنند. در صورت استفاده گسترده از این فناوری در مراکز داده و بهبود تدریجی آن امکان کاهش مصرف انرژی برای دستیابی به همان سطح عملکرد محاسباتی تا ۵۰ درصد وجود خواهد داشت.

به گفته توپفر با عملیاتی‌شدن کامل رایانه‌های کوانتومی اجزای توسعه‌یافته توسط گروه الکترومغناطیس پیشرفته دانشگاه ایلمناو برای اتصال تعداد زیادی از قطعات بدون ایجاد تداخل ضروری خواهند بود.

او تاکید کرد: اگر این اجزا وجود نداشته باشند کنترل تعداد موردنیاز کیوبیت‌ها غیرممکن خواهد بود. به همین دلیل به گفته او این فناوری برای آینده رایانه‌های کوانتومی اهمیتی حیاتی دارد.

برنامه‌ریزان حوزه فناوری در آمریکا نیز پیش‌بینی می‌کنند که ماژول‌های الکترونیکی ابررسانای نوری از حدود سال ۲۰۳۵ به یک ضرورت اجتناب‌ناپذیر در صنعت رایانش تبدیل شوند.

انتهای پیام/