Während die Nachfrage nach künstlicher Intelligenz (KI) in Branchen in Branchen beschleunigt wird, zeigt eine neue Studie, die von der IEEE Photonics Society veröffentlicht wurde, einen vielversprechenden Hardware -Durchbruch, der die wachsenden Energie- und Leistungsherausforderungen von AI bewältigen soll.
Die Untersuchung von Dr. Bassem Tossoun, Senior Research Scientistin bei Hewlett Packard Labs, führt eine PIC -Plattform (Photonic Integrated Circuit) vor, mit der die Arbeitsbelastung der KI verarbeitet wird. Im Gegensatz zu herkömmlichen GPU-basierten Systemen, die sich auf elektronische verteilte neuronale Netzwerke (DNNs) verlassen, nutzt diese neue Plattform optische neuronale Netze (ONNS), die mit Lichtgeschwindigkeit mit erheblich reduziertem Energieverbrauch betrieben werden.
Veröffentlicht im IEEE Journal of Selected Topics in Quantum Electronics, The the Studie präsentiert die photonische Beschleunigung als skalierbare und nachhaltige Alternative für KI-Hardware der nächsten Generation. Der Ansatz konzentriert sich auf die Integration von photonischen Geräten direkt in Siliziumchips unter Verwendung einer Mischung aus Siliziumphotonik und III-V-Verbindungssemikontoren.
Die Siliziumphotonik-Technologie ist für datenhaarige Anwendungen seit langem als vielversprechend angesehen. Die Skalierbarkeit für komplexe KI -Operationen blieb jedoch eine Hürde. Das IEEE-Forschungsteam befasste sich durch die Kombination von Siliziumphotonik mit III-V-Materialien wie Indiumphosphid (INP) und Galliumarsenid (GAAs), die ermöglicht, On-Chip-Laser, Verstärker und Hochgeschwindigkeits-optische Komponenten effizient zusammenzuarbeiten.
„Unsere Geräteplattform kann als Bausteine für photonische Beschleuniger mit weitaus größerer Energieeffizienz und Skalierbarkeit verwendet werden als die aktuelle hochmoderne Kunst“, sagte Dr. Tossoun.
Der Herstellungsprozess begann mit Silicon-on-Isolator (SOI) -Wafern und umfasste eine Reihe fortschrittlicher Schritte, darunter Lithographie, Doping, selektives Silizium- und Germaniumwachstum sowie die Bindung an III-V-Materialien. Das Ergebnis ist eine Integration kritischer Komponenten wie On-Chip-Laser, Verstärker, Modulatoren, Fotodetektoren und nichtflüchtige Phasenschieber-alles wesentlich für den Aufbau optischer neuronaler Netze.
Diese Integrationsstufe ermöglicht es der Plattform, KI- und maschinelles Lernen Workloads mit höherer Effizienz auszuführen und gleichzeitig Energieverluste zu minimieren, die üblicherweise in elektronischen Systemen zu sehen sind.
Deeptl benannt in die Forbes AI 50 -Liste für das zweite Jahr in Folge
Die neue photonische Plattform soll die wachsenden Infrastrukturanforderungen von Rechenzentren unterstützen, die KI -Workloads ausführen. Mit seiner Fähigkeit, intensive Rechenaufgaben effizienter zu erledigen, könnte die Plattform Unternehmen helfen, den Stromverbrauch zu optimieren, während die KI -Vorgänge skalieren.
Mit Blick auf die Zukunft sehen die Forscher diese Innovation, die zu einer nachhaltigeren KI-Entwicklung beitragen und dazu beitragen, die steigenden Energieanforderungen an tiefes Lernen und groß angelegte Datenverarbeitung zu überwinden.
Die Forschung ist in dem Papier mit dem Titel beschrieben „Große integrierte photonische Geräteplattform für energieeffiziente KI/ML-Beschleuniger“, „ Veröffentlicht im IEEE Journal of Selected Topics in Quantenelektronik. Das Projekt spiegelt die laufenden Bemühungen innerhalb der Photonik -Community wider, Hardware -Lösungen zu entwickeln, die sich mit der zukünftigen Leistung und Nachhaltigkeitsbedürfnisse der KI -Infrastruktur entsprechen.
