Ingenjörer från University of Pennsylvania har utvecklat ett nytt chip som använder ljusvågor, snarare än elektricitet, för att utföra den komplexa matematiken som är nödvändig för att träna AI. Chipet har potential att radikalt accelerera datorernas bearbetningshastighet och samtidigt minska deras energiförbrukning.
Det kiselfotoniska (SiPh)-chippets design är den första som sammanför Benjamin Franklin-medaljpristagaren och H. Nedwill Ramsey Professor Nader Enghetas banbrytande forskning inom att manipulera material på nanoskala för att utföra matematiska beräkningar med hjälp av ljus – det snabbaste möjliga kommunikationssättet – med SiPh-plattformen, som använder kisel, det billiga, rikliga elementet som används för att massproducera datorchips.
Ljusvågornas växelverkan med materia representerar en möjlig väg för att utveckla datorer som ersätter begränsningarna för dagens kretsar, som i huvudsak är baserade på samma principer som kretsar från de tidigaste dagarna av datorrevolutionen på 1960-talet.
I en tidning som visas i Nature Photonics , beskriver Enghetas grupp tillsammans med Firooz Aflatouni, docent i elektro- och systemteknik, utvecklingen av det nya chippet.
"Vi bestämde oss för att slå oss samman", säger Engheta och utnyttjar det faktum att Aflatounis forskargrupp har banat väg för kiselenheter i nanoskala.
Deras mål var att utveckla en plattform för att utföra vad som kallas vektor-matrismultiplikation, en matematisk kärnoperation i utvecklingen och funktionen av neurala nätverk, datorarkitekturen som driver dagens AI-verktyg.
Istället för att använda en kiselskiva med enhetlig höjd, förklarar Engheta, "gör du kiselet tunnare, säg 150 nanometer", men bara i specifika regioner. Dessa variationer i höjd – utan tillsats av något annat material – ger ett sätt att kontrollera utbredningen av ljus genom chipet, eftersom höjdvariationerna kan fördelas för att få ljus att spridas i specifika mönster, vilket gör det möjligt för chipet att utföra matematiska beräkningar med ljusets hastighet.
På grund av de begränsningar som införts av det kommersiella gjuteriet som producerade chipsen, säger Aflatouni, är den här designen redan redo för kommersiella applikationer och kan potentiellt anpassas för användning i grafikprocessorer (GPU), vars efterfrågan har skjutit i höjden med den utbredda intresse för att utveckla nya AI-system.
"De kan använda Silicon Photonics-plattformen som ett tillägg", säger Aflatouni, "och då kan du påskynda träning och klassificering."
Förutom snabbare hastighet och mindre energiförbrukning har Engheta och Aflatounis chip integritetsfördelar:Eftersom många beräkningar kan ske samtidigt kommer det inte att finnas något behov av att lagra känslig information i en dators arbetsminne, vilket gör en framtida dator som drivs av sådan teknik praktiskt taget ohackbar .
"Ingen kan hacka sig in i ett icke-existerande minne för att komma åt din information", säger Aflatouni.
Andra medförfattare inkluderar Vahid Nikkhah, Ali Pirmoradi, Farshid Ashtiani och Brian Edwards från Penn Engineering.
Mer information: Omvänt designade strukturer med låg indexkontrast på kiselfotonikplattform för vektor-matrismultiplikation, Nature Photonics (2024). DOI:10.1038/s41566-024-01394-2. www.nature.com/articles/s41566-024-01394-2
Tillhandahålls av University of Pennsylvania
