هوش مصنوعی با سرعت نور: انقلابی در سخت‌افزار با فوتونیک سیلیکونی

به گزارش سیلاد و به نقل از سای‌تک‌دیلی، این نوآوری نه‌تنها می‌تواند هزینه‌های انرژی را کاهش دهد، بلکه امکان ارتقای عملکرد هوش مصنوعی را تا سطحی بی‌سابقه فراهم می‌سازد و کاربرد آن را از مراکز داده تا سامانه‌های هوشمند آینده گسترش می‌دهد.
 
پیشرفتی بزرگ: مدارهای فوتونی برای هوش مصنوعی
 در مقاله‌ای که اخیراً در نشریهٔ IEEE Journal of Selected Topics in Quantum Electronics منتشر شده، پژوهشگران پلتفرمی نوآورانه برای شتاب‌دهی به هوش مصنوعی معرفی کرده‌اند که بر پایهٔ مدارهای مجتمع فوتونی (PIC) ساخته شده است. این تراشه‌های نوری در مقایسه با سامانه‌های مبتنی بر GPU، مقیاس‌پذیری و کارایی انرژی بهتری دارند.
 
دکتر باسم طسّون (پژوهشگر ارشد در آزمایشگاه‌های هیولت پاکارد) و همکارانش نشان داده‌اند که با استفاده از نیمه‌رساناهای ترکیبی III-V می‌توان بارهای پردازشی هوش مصنوعی را با سرعت بیشتر و انرژی کمتر اجرا کرد.
 
برخلاف سخت‌افزارهای رایج که از شبکه‌های عصبی الکترونیکی بهره می‌برند، این فناوری از شبکه‌های عصبی نوری استفاده می‌کند که به‌جای برق، با نور محاسبه می‌کنند.
 
برتری نسبت به سیلیکون سنتی
 دکتر طسّون اظهار می‌دارد: «اگرچه ساخت فوتونیک سیلیکونی آسان است، اما برای مدارهای مجتمع پیچیده مقیاس‌پذیر نیست. پلتفرم ما می‌تواند به‌عنوان اجزای پایه‌ای برای شتاب‌دهنده‌های فوتونی با بهره‌وری انرژی و مقیاس‌پذیری به‌مراتب بالاتر از فناوری‌های کنونی به کار رود.»
 
این گروه پژوهشی از رویکردی به‌نام «یکپارچه‌سازی ناهمگون» برای ساخت سخت‌افزار بهره برده‌اند. آن‌ها فوتونیک سیلیکونی را با نیمه‌رساناهای III-V ترکیب کردند که لیزرها و تقویت‌کننده‌های نوری را به شکلی کارآمد درون تراشه جای می‌دهند و در نتیجه، اتلاف نوری را کاهش داده و مقیاس‌پذیری را بهبود می‌بخشند.
 
نیمه‌رساناهای III-V امکان ساخت مدارهای فوتونی متراکم‌تر و پیچیده‌تر را فراهم می‌کنند. این مدارها می‌توانند تمامی عملیات موردنیاز برای اجرای شبکه‌های عصبی را انجام دهند و به‌همین دلیل گزینه‌ای بسیار مناسب برای سخت‌افزارهای نسل بعدی شتاب‌دهنده‌های هوش مصنوعی به‌شمار می‌روند.
 
فرآیند ساخت این پلتفرم
 ساخت این پلتفرم با استفاده از ویفرهای سیلیکون-روی-عایق (SOI) آغاز شد که لایه‌ای ۴۰۰ نانومتری از سیلیکون دارند. سپس با بهره‌گیری از لیتوگرافی و حکاکی خشک، فرآیندهای دوپینگ برای دستگاه‌های MOSCAP و فتودیودهای APD انجام شد.
 
در مرحلهٔ بعد، رشد انتخابی سیلیکون و ژرمانیوم برای ساخت لایه‌های جذب، شارژ و تکثیر در APD صورت گرفت. سپس نیمه‌رساناهای ترکیبی مانند InP یا GaAs به‌کمک اتصال قالب به ویفر روی بستر سیلیکون قرار گرفتند. در ادامه، لایه‌ای نازک از اکسید گیت (Al₂O₃ یا HfO₂) به منظور بهبود کارایی افزوده شد و نهایتاً یک لایهٔ ضخیم دی‌الکتریک برای پایدارسازی حرارتی و عایق‌بندی به‌کار رفت.
 
مرزی نوین در سخت‌افزار هوش مصنوعی
 وی در ادامه می‌افزاید: «پلتفرم ناهمگون III/V-on-SOI تمامی اجزای ضروری برای توسعهٔ معماری‌های محاسبات فوتونی و اپتوالکترونیکی برای شتاب‌دهی هوش مصنوعی و یادگیری ماشینی را فراهم می‌سازد. این موضوع به‌ویژه در مورد شتاب‌دهنده‌های آنالوگ فوتونی که از مقادیر پیوسته برای نمایش داده‌ها بهره می‌برند، اهمیت دارد.»
 
این پلتفرم فوتونی منحصربه‌فرد، امکان ادغام تمامی اجزای موردنیاز برای ساخت یک شبکهٔ عصبی نوری کامل را بر روی یک تراشهٔ فوتونی فراهم می‌سازد؛ از جمله دستگاه‌های فعال نظیر لیزرهای درون‌تراشه‌ای، تقویت‌کننده‌ها، آشکارسازهای نوری پرسرعت، مدولاتورهای کم‌مصرف و فازشیفترهای غیرفرار.
 
بر این اساس، شتاب‌دهنده‌های مبتنی بر این فناوری قادر خواهند بود به بهره‌وری انرژی در واحد سطحی تا ۲٫۹ × ۱۰^۲ برابر بیشتر از دیگر پلتفرم‌های فوتونی و ۱٫۴ × ۱۰^۲ برابر بیشتر از پیشرفته‌ترین سامانه‌های الکترونیکی دیجیتال دست یابند.
 
دگرگونی هوش مصنوعی با کارایی نورمحور
 این فناوری بی‌تردید نقطهٔ عطفی در شتاب‌دهی به هوش مصنوعی و یادگیری ماشینی است که با کاهش هزینه‌های انرژی، افزایش بهره‌وری پردازش و گشودن درهای جدید برای کاربردهای آتی هوش مصنوعی همراه است.