PG电子(中国)官方网站光驱动的计算机芯片可以比电力驱动的组件更快地训练人工智能新的芯片设计使用光子而不是电子来进行计算,科学家们希望将这项技术集成到未来的显卡中,以训练人工智能。
科学家们设计了一种新的微芯片,它是由光而不是电驱动的。研究人员称,这项技术有可能比目前最好的组件更快、更有效地训练未来的人工智能(AI)模型。
科学家们发表在《自然光子学》杂志上的一项新研究中说,通过使用光子而不是电子来执行复杂的计算,这种芯片可以克服传统硅芯片架构的局限性,极大地加快计算机的处理速度,同时也降低了它们的能耗。
硅芯片上有晶体管,也就是微小的电子开关,当施加电压时,它们就会打开或关闭。一般来说,一个芯片拥有的晶体管越多,它的计算能力就越强,运行所需的能量也就越大。
纵观计算机历史,芯片一直遵循摩尔定律,即晶体管的数量每两年翻一番,而生产成本或能耗不会增加。但是硅芯片存在物理上的限制,包括晶体管可以工作的最大速度,它们由电阻产生的热量,以及科学家可以制造的最小尺寸芯片。
这意味着,随着未来对电力需求的增加,尤其是对耗电的人工智能系统来说,将数十亿个晶体管堆叠在越来越小的硅电子芯片上可能是不可行的。
然而,使用光子比使用电子有许多优点。首先,它们的运动速度比电子快,而电子无法达到光速。虽然电子可以以接近这些速度移动,但这样的系统将需要非凡的(而且是不可行的)能量。因此,使用光将大大降低能源消耗PG电子。光子也是无质量的,不像携带电荷的电子那样发出热量。
在设计他们的芯片时,科学家们着手建立一个基于光的平台,可以进行被称为“矢量矩阵乘法”的计算。这是用于训练神经网络的关键数算之一,神经网络是用来模拟人脑结构的机器学习模型PG电子。ChatGPT和谷歌的Gemini等人工智能工具就是用这种方式训练的。
科学家们没有像传统的硅芯片那样使用统一高度的硅片来制造半导体,而是把硅做得更薄 —— 但只在特定的区域。
宾夕法尼亚大学物理学教授纳德·恩格塔(Nader Engheta)在一份声明中说:“这些高度的变化(不添加任何其他材料)提供了一种控制光通过芯片传播的方法,因为高度的变化可以分布,使光以特定的模式散射,使芯片能够以光速进行数学计算。”
研究人员声称,他们的设计可以适应现有的生产方法,而不需要对其进行任何调整。这是因为,他们制造光子芯片的方法与制造传统芯片的方法相同。
他们补充说,设计原理图可以用于增强型图形处理单元(GPU),这方面的需求近年来飙升PG电子。这是因为这些组件是训练大型语言模型(LLM)的核心,比如谷歌的Gemini或OpenAI的ChatGPT。
合著者、宾夕法尼亚大学电子工程教授菲鲁兹·阿塔图尼(Firooz Aflatouni)在声明中说:“他们可以采用硅光子学(Silicon Photonics)平台作为附加组件,然后你就可以加快(人工智能)训练和分类的速度。”