Mentre la richiesta di intelligenza artificiale (AI) accelera in tutte le industrie, un nuovo studio pubblicato dalla IEEE Photonics Society mette in evidenza una promettente svolta hardware progettata per affrontare le crescenti sfide energetiche e prestazionali dell’IA.
La ricerca, condotta dal Dr. Bassem Tossoun, ricercatore senior di Hewlett Packard Labs, introduce una piattaforma fotonica di circuito integrato (PIC) che potrebbe rimodellare il modo in cui vengono elaborati i carichi di lavoro dell’IA. A differenza dei tradizionali sistemi basati su GPU che si basano su reti neurali distribuite elettroniche (DNN), questa nuova piattaforma sfrutta le reti neurali ottiche (ONN), che opera alla velocità della luce con un consumo di energia significativamente ridotto.
Pubblicato sull’IEEE Journal of Selected Topics in Quantum Electronics, il studio Presenta l’accelerazione fotonica come alternativa scalabile e sostenibile per l’hardware AI di prossima generazione. L’approccio si concentra sull’integrazione di dispositivi fotonici direttamente su chip di silicio usando un mix di fotonica di silicio e semiconduttori composti III-V.
La tecnologia della fotonica del silicio è stata a lungo considerata promettente per applicazioni pesanti dei dati. Tuttavia, la scalabilità per le operazioni di intelligenza artificiale complesse è rimasta un ostacolo. Il team di ricerca IEEE lo ha affrontato combinando la fotonica del silicio con materiali III-V come il fosfuro di indio (INP) e l’arsenuro di gallio (GAAS), consentendo a laser su chip, amplificatori e componenti ottiche ad alta velocità di funzionare insieme in modo efficiente.
“La nostra piattaforma di dispositivi può essere utilizzata come elementi costitutivi per acceleratori fotonici con efficienza energetica molto maggiore e scalabilità rispetto all’attuale all’avanguardia”, ha affermato il Dr. Thoushoun.
Il processo di fabbricazione è iniziato con wafer di silicio su isolante (SOI) e ha incorporato una serie di passaggi avanzati, tra cui litografia, doping, silicio selettivo e crescita di germanio e legame da dado a salto per materiali III-V. Il risultato è un’integrazione su scala di wafer di componenti critici come laser su chip, amplificatori, modulatori, fotodettori e cambi di fase non volatili, tutti essenziali per la costruzione di reti neurali ottiche.
Questo livello di integrazione consente alla piattaforma di eseguire i carichi di lavoro di AI e Machine Learning con una maggiore efficienza minimizzando le perdite di energia comunemente osservate nei sistemi a base elettronica.
Deepl nominato per Forbes AI 50 elenco per il secondo anno consecutivo
La nuova piattaforma fotonica è progettata per supportare le crescenti esigenze di infrastruttura dei datacenter che eseguono carichi di lavoro AI. Con la sua capacità di gestire compiti computazionali intensivi in modo più efficiente, la piattaforma potrebbe aiutare le organizzazioni a ottimizzare l’utilizzo dell’alimentazione durante il ridimensionamento delle operazioni di intelligenza artificiale.
Guardando al futuro, i ricercatori vedono questa innovazione che contribuisce allo sviluppo dell’intelligenza artificiale più sostenibile, aiutando a superare le crescenti esigenze energetiche dell’apprendimento profondo e dell’elaborazione dei dati su larga scala.
La ricerca è dettagliata nel documento intitolato “Piattaforma di dispositivi fotonici integrati su larga scala per acceleratori AI/ML ad alta efficienza energetica”, Pubblicato sul Journal IEEE di Topics Selected in Quantum Electronics. Il progetto riflette gli sforzi in corso all’interno della comunità fotonica per sviluppare soluzioni hardware che si allineano con le esigenze future per le prestazioni e la sostenibilità dell’infrastruttura dell’IA.
