یک تیم بینالمللی از محققان به سرپرستی دانشگاه صنعتی سوینبرن سریعترین و قدرتمندترین پردازنده نورومورفیک نوری جهان را برای استفاده در فناوری هوش مصنوعی (AI) ساخته است که با سرعتی بیش از 10 تریلیون عملیات در ثانیه کار میکند و قادر به پردازش فوقالعاده دادهها درمقیاسهای خیلی بزرگ است. این دستاورد بزرگ در مجله Nature منتشر شده است و نشان دهنده جهشی عظیم در زمینه شبکههای عصبی و به طور کلی پردازش نورومورفیک است.
شبکههای عصبی مصنوعی، یک شکل اصلی از هوش مصنوعی هستند که میتوانند یاد بگیرند و عملیات پیچیدهای را در زمینه بینایی، پردازش زبان طبیعی، تشخیص چهره، ترجمه گفتار، بازیهای استراتژیک، تشخیص پزشکی و بسیاری از زمینههای دیگر انجام دهند. شبکههای عصبی مصنوعی با الهام از ساختار بیولوژیکی سیستم مغز انسان، ویژگیهای اصلی دادههای خام را برای پیشبینی خواص و رفتار با دقت و سرعتی بی سابقه استخراج میکنند.
تیم تحت هدایت پروفسور دیوید ماس، دکتر زینگ یوان (مایک) یو، از دانشگاه موناش و استاد برجسته، آرنان میچل از دانشگاه RMIT، به یک موفقیت فوقالعاده در زمینه شبکههای عصبی نوری دست یافتند که میتواند سرعت محاسبات و قدرت پردازش دادهها را تا حد خیلی زیادی افزایش دهد. این تیم یک پردازنده نورومورفیک نوری اراده دادهاند که بیش از 1000 برابر سریعتر از هر پردازندهای که تا امروز موجود بوده توانایی پردازش دارد.
پردازندههای پیشرفته الکترونیکی مانند Google TPU میتوانند فراتر از 100 ترلیون فرایند در ثانیه انجام دهند، اما این کار با دهها هزار پردازنده که به صورت موازی در کنار هم قرار گرفتهاند انجام میشود. در مقابل، سیستم نوری ارائه شده توسط این تیم از یک پردازنده واحد استفاده میکند و با استفاده از یک تکنیک جدید به طور همزمان با درهم آمیختن دادهها در لحظه کار میکند.
میکروکامبها دستگاههای نسبتاً جدیدی هستند که از صدها لیزر مادون قرمز با کیفیت بالا روی یک تراشه ساخته شدهاند. آنها بسیار سریعتر، کوچکتر، سبکتر و ارزانتر از هر منبع نوری دیگری هستند.
پروفسور ماس میگوید: “در طی 10 سال گذشته این تراشههای یکپارچه بسیار مهم شدهاند و دیدن آنها که این پیشرفتهای عظیم در ارتباطات و پردازش اطلاعات را در دورهی نیاز سیری ناپذیر جهان به اطلاعات امکان پذیر میکنند واقعاً هیجان انگیز است.”
این پردازنده میتواند به عنوان یک پهنای باند فوقالعاده برای هر سختافزار نورومورفیک مبتنی بر نور یا الکترونیکی عمل کند و یادگیری ماشین با دادههای عظیم را در لحظه در دسترس قرار دهد. دکتر Xu توضیح میدهد: “اکنون ما با نگاهی دقیقتر به نسل آینده پردازندهها میرسیم. این دستاورد به ما نشان میدهد که با استفاده نوآورانه از میکروکامبها میتوانیم به میزان چشمگیری قدرت پردازندههای خود را ارتقا دهیم.”
همچنین پروفسور میچل از RMIT گفت: “این فناوری در انواع پردازش و ارتباطات قابل استفاده بوده و تأثیر بسزایی خواهد داشت. در بلند مدت امیدواریم بتوانیم کارگذاری سیستمهای کاملاً یکپارچه را روی تراشه تحقق ببخشیم و امیدواریم با این کار مصرف انرژی و هزینه را تا حد زیادی کاهش دهیم.”
پروفسور دیمین هیکس، یکی از طرفداران اصلی این تیم تحقیقاتی، از سوئینبرن و موسسه والتر و الیزابت هال، میگوید: “شبکههای عصبی کانولوشن نقشی حیاتی در انقلاب هوش مصنوعی داشتهاند اما فناوری جدید به طور فزایندهای سرعت پردازش و بهرهوری انرژی را بالا میبرد. این پیشرفت نشان میدهد که چگونه یک فناوری نوری جدید باعث ایجاد شبکههایی سریعتر و کارآمدتر میشود.”