تراشه هوش مصنوعی با نور داده ها را پردازش می کند
پرتوبلاگ: تعدادی از محققان دانشگاه آکسفورد و همکارانشان در آلمان و انگلیس نوع جدیدی از سخت افزار مبتنی بر هوش مصنوعی را ابداع نموده اند که با کمک نور داده های سه بعدی را پردازش می کند.
به گزارش پرتوبلاگ به نقل از اینترستینگ انجینرینگ، باتوجه به تراشه های یکپارچه فتونیک-الکترونیک، سخت افزار می تواند با بهره گیری از فرکانس های مختلف طول موج رادیویی نور، محاسباتی پیچیده را بطور موازی انجام دهد. پژوهشگران مدعی هستند این سخت افزار می تواند سرعت و کارایی پردازش داده ها را برای کارهای هوش مصنوعی تا چند برابر ارتقا دهد. این تحقیق در ژورنال نیچر فوتونیکس انتشار یافته و چالش های در رابطه با کاربردهای هوش مصنوعی نوین را به چالش می کشد و تقاضا برای قدرت رایانش را می افزاید. تراشه های معمول رایانشی که به قطعات الکترونیکی متکی هستند باید با سرعت نوآوری در هوش مصنوعی خودرا هماهنگ کنند. این امر نیازمند دو برابر شدن قدرت پردازش در هر ۳.۵ ماه است بگفته پژوهشگران استفاده از نور بجای قطعات الکترونیکی روشی نوین برای رایانش فراهم و این چالش ها را برطرف می کند. پژوهشگران قبلا نمونه ای از یک تراشه فتونیک را نمایش داده بودند که می تواند عملیات «ضرب ماتریس-بردار» را انجام دهد که یک فعالیت ضروری برای هوش مصنوعی است و یادگیری ماشینی را سریع تر از هر تراشه الکترونیکی انجام می دهد. تراشه نوین از رنگ های مختلف نور برای نمایش مجموعه داده های مختلف و انجام محاسبات گوناگون بصورت موازی استفاده می کرد. پژوهشگران در تازه ترین تحقیق خود با بهره گیری از فرکانس های رادیویی نور جدید رمزگذاری داده ها، بعد دیگری به کارهای موازی تراشه فتونیک اضافه کردند. تراشه با سرعت و دقت بالاتر می تواند داده های ۳ بعدی مانند تصاویر یا ویدئو را پردازش کند. پژوهشگران سخت افزار ابداعی را برای حل چالش پیش بینی ریسک مرگ ناگهانی در اثر سیگنال های قلبی در بیماران به کار گرفتند. آنها توانستند ۱۰۰ سیگنال قلبی را بطور همزمان تحلیل و با دقت ۹۳.۵ درصد مشکل را شناسایی کنند. آنها تخمین می زنند سخت افزار مذکور از نظر بازده انرژی و چگالی محاسباتی می تواند حتی با مقیاس متوسط ۶ورودی × ۶ خروجی، با ضریب ۱۰۰ از بالاترین پردازنده های الکترونیکی بهتر عمل کند. آنها همین طور پیش بینی می کنند با بهره برداری از خاصیت های نوری بیشتر، مانند قطبی شدن و مولتی پلکس کردن حالت به پیشرفت بیشتری در موازی سازی محاسباتی دست یابند.
این مطلب را می پسندید؟
(1)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب