هوش مصنوعی به ستون اصلی فناوری مدرن تبدیل می شود ، اما به برق زیادی نیاز دارد که مشکلات مدل های هوش مصنوعی در تأمین انرژی ، بهره وری و پایداری را افزایش می دهد. دانشمندان دانشگاه فلوریدا راهی برای مقابله با این مشکل پیدا کردند. آنها نه تنها مصرف برق را کاهش دادند ، بلکه تراشه جدیدی را نیز ایجاد کردند که یکی از مهمترین وظایف هوش مصنوعی را سریعتر کرد.
ISNA برای انجام “عملیات تکامل” ساخته شده است ، یک عملکرد مهم در آموزش و پرورش تراشه ، ماشین. این امر به هوش مصنوعی اجازه می دهد تا تصاویر ، فیلم ها و قالب ها را در متن تشخیص دهند. آنها همچنین مقدار زیادی از قدرت محاسبه را مصرف می کنند. این تیم به طور مستقیم اجزای نوری را بر روی یک تراشه سیلیکون ادغام کردند و سپس لنزهای لیزر و لنزهای میکروسکوپی “عملیات هماهنگ” را سریعتر و کمتر مصرف انرژی می کنند.
ولکر سورگر ، رئیس این مطالعه و یک استاد پیشرو در مرحله نیمه بعدی در دانشگاه فلوریدا ، گفت: “انرژی تقریبا صفر گامی برای سیستم های هوش مصنوعی است.” این امر برای افزایش مقیاس مهارت های هوش مصنوعی در سالهای آینده بسیار مهم است.
آزمایشات نشان داد که نمونه اولیه ارقام دستنویس را با دقت 2 ٪ طبقه بندی می کند. فناوری مبتنی بر دو لنز “Fresnel” و ساختارهای بسیار خوب است. هر لنز از موهای انسان نازک تر است و با روشهای نیمه هادی استاندارد روی تراشه قرار می گیرد. داده ها برای اجرای “فرآیند همزمان” روی تراشه به لیزر نور تبدیل می شوند. این نور از “لنز لنزها” عبور می کند و در نهایت به یک سیگنال دیجیتالی برای مدل هوش مصنوعی تبدیل می شود.
“این برای اولین بار این نوع محاسبه نور را بر روی یک تراشه قرار داده و از آن در شبکه عصبی هوش مصنوعی استفاده کرده است.” گفت
ترکیب جریان برای معامله
تراشه می تواند چندین جریان داده را همزمان پردازش کند. این گروه تحقیقاتی این پیشرفت مهم را با استفاده از لیزرهای رنگ های مختلف انجام داد. این روش به طول موج “تکرار” شناخته می شود. یانگ یانگ گفت: “ما می توانیم لنز را همزمان منتقل کنیم. این یک مزیت مهم فوتونی است.
کشت در ارتباطات از راه دور و شبکه های رایانه ای یا “همسالان -تا -peer” فرآیندی است که چندین آنالوگ یا دیجیتال را در یک سیگنال در یک محیط مشترک ترکیب می کند.
محققان گفتند: ما از سایر مؤلفه های اصلی اجزای نوری در سیستم های اطلاعاتی مصنوعی خود استفاده کردیم. این می تواند باعث شود که این فناوری جدید به تمرین تجاری آسان شود. در آینده نزدیک ، عکاسی مبتنی بر تراشه به بخش مهمی از هر تراشه هوش مصنوعی که روزانه از آنها استفاده می کنیم تبدیل می شود و محاسبه نوری هوش مصنوعی مرحله بعدی است.
تراشه تیم می تواند با کاهش مصرف انرژی و حفظ دقت بالا به مقیاس پذیری هوش مصنوعی برای برآورده کردن تقاضای جهانی کمک کند. اگر این فناوری فراتر از آزمایشگاه باشد ، تراشه های مبتنی بر نور به زودی می توانند برای بیشتر وسایل نقلیه هوش مصنوعی که مردم هر روز به آنها اعتماد دارند ، انرژی تأمین کند.
این مطالعه در مجله Advanced Fotonics منتشر شد.