تراشه نوری جدید سرعت را ۱۰۰ برابر و مصرف انرژی را کاهش می‌دهد
پژوهشگران دانشگاه فلوریدا تراشه‌ای ساخته‌اند که با بهره‌گیری از نور، پردازش هوش مصنوعی را تا ۱۰۰ برابر سریع‌تر و کم‌مصرف‌تر می‌کند.
پژوهشگران دانشگاه فلوریدا راه‌حل نوآورانه‌ای برای چالش مصرف انرژی بالا در سیستم‌های هوش مصنوعی ارائه کرده‌اند.
به گزارش ایتنا و به نقل از اینترستینگ انجینیرینگ، گفته می‌شود تراشه جدید این تیم که از نور به جای الکتریسیته برای انجام پیچیده‌ترین وظایف هوش مصنوعی استفاده می‌کند، می‌تواند انقلابی در صنعت محاسبات ایجاد کند.
این تراشه که برای انجام عملیات کانولوشن - یکی از عملکردهای اصلی در یادگیری ماشین - طراحی شده، به هوش مصنوعی امکان می‌دهد الگوها را در تصاویر، ویدیو و متن با سرعت و کارایی بی‌سابقۀ تشخیص دهد.
آزمایش‌ها نشان داد نمونه اولیه این تراشه ارقام دست‌نویس را با دقت حدود ۹۸ درصد طبقه‌بندی می‌کند که با تراشه‌های متعارف برابری می‌کند.
بر این اساس، این سیستم بر دو مجموعه لنز فرنل متکی است - ساختارهای مسطح و فوق‌نازک مشابه آنچه در فانوس‌های دریایی استفاده می‌شود. هر لنز باریک‌تر از موی انسان است و با تکنیک‌های استاندارد نیمه‌هادی روی تراشه حک شده است.
برای اجرای یک کانولوشن، داده‌ها به نور لیزر روی تراشه تبدیل می‌شوند. این نور از طریق لنزهای فرنل عبور می‌کند که تبدیلات ریاضی را انجام می‌دهند. نتیجه سپس به یک سیگنال دیجیتال برای مدل هوش مصنوعی تبدیل می‌شود.
تراشه تیم فلوریدا با کاهش مصرف انرژی در عین حفظ دقت بالا، می‌تواند به مقیاس‌پذیری هوش مصنوعی برای پاسخگویی به تقاضای جهانی کمک کند. اگر این فناوری به فراتر از آزمایشگاه راه پیدا کند، تراشه‌های مبتنی بر نور به‌زودی می‌توانند به بسیاری از ابزارهای هوش مصنوعی که مردم روزانه به آن‌ها متکی هستند، توان ببخشند.
پژوهشگران دانشگاه فلوریدا راه‌حل نوآورانه‌ای برای چالش مصرف انرژی بالا در سیستم‌های هوش مصنوعی ارائه کرده‌اند.
به گزارش ایتنا و به نقل از اینترستینگ انجینیرینگ، گفته می‌شود تراشه جدید این تیم که از نور به جای الکتریسیته برای انجام پیچیده‌ترین وظایف هوش مصنوعی استفاده می‌کند، می‌تواند انقلابی در صنعت محاسبات ایجاد کند.
این تراشه که برای انجام عملیات کانولوشن - یکی از عملکردهای اصلی در یادگیری ماشین - طراحی شده، به هوش مصنوعی امکان می‌دهد الگوها را در تصاویر، ویدیو و متن با سرعت و کارایی بی‌سابقۀ تشخیص دهد.
آزمایش‌ها نشان داد نمونه اولیه این تراشه ارقام دست‌نویس را با دقت حدود ۹۸ درصد طبقه‌بندی می‌کند که با تراشه‌های متعارف برابری می‌کند.
بر این اساس، این سیستم بر دو مجموعه لنز فرنل متکی است - ساختارهای مسطح و فوق‌نازک مشابه آنچه در فانوس‌های دریایی استفاده می‌شود. هر لنز باریک‌تر از موی انسان است و با تکنیک‌های استاندارد نیمه‌هادی روی تراشه حک شده است.
برای اجرای یک کانولوشن، داده‌ها به نور لیزر روی تراشه تبدیل می‌شوند. این نور از طریق لنزهای فرنل عبور می‌کند که تبدیلات ریاضی را انجام می‌دهند. نتیجه سپس به یک سیگنال دیجیتال برای مدل هوش مصنوعی تبدیل می‌شود.
تراشه تیم فلوریدا با کاهش مصرف انرژی در عین حفظ دقت بالا، می‌تواند به مقیاس‌پذیری هوش مصنوعی برای پاسخگویی به تقاضای جهانی کمک کند. اگر این فناوری به فراتر از آزمایشگاه راه پیدا کند، تراشه‌های مبتنی بر نور به‌زودی می‌توانند به بسیاری از ابزارهای هوش مصنوعی که مردم روزانه به آن‌ها متکی هستند، توان ببخشند.
*
