À medida que a demanda por inteligência artificial (IA) acelera entre as indústrias, um novo estudo publicado pela IEEE Photonics Society destaca um avanço promissor de hardware projetado para abordar os crescentes desafios de energia e desempenho da IA.
A pesquisa, liderada pelo Dr. Bassem Tossoun, cientista sênior de pesquisa da Hewlett Packard Labs, apresenta uma plataforma de circuito integrado fotônico (PIC) que pode remodelar como as cargas de trabalho da IA são processadas. Diferentemente dos sistemas tradicionais baseados em GPU que dependem de redes neurais distribuídas eletrônicas (DNNs), essa nova plataforma aproveita as redes neurais ópticas (ONNs), operando na velocidade da luz com consumo de energia significativamente reduzido.
Publicado no IEEE Journal of Selected Tópicos em Eletrônica Quântica, o estudar Apresenta a aceleração fotônica como uma alternativa escalável e sustentável para o hardware de AI da próxima geração. A abordagem se concentra na integração de dispositivos fotônicos diretamente em chips de silicone usando uma mistura de semicondutores com compostos de silício e composto III-V.
A tecnologia Silicon Photonics tem sido considerada promissora para aplicações pesadas de dados. No entanto, a escalabilidade para operações complexas de IA permaneceu um obstáculo. A equipe de pesquisa do IEEE abordou isso combinando fotônicos de silício com materiais III-V, como fosfido de índio (INP) e arseneto de gálio (GAAs), permitindo que lasers, amplificadores e componentes ópticos de alta velocidade funcionem juntos.
“Nossa plataforma de dispositivos pode ser usada como blocos de construção para aceleradores fotônicos com eficiência e escalabilidade energéticas muito maiores do que o atual ponta”, disse o Dr. Tossoun.
O processo de fabricação começou com as bolachas de silicone sobre isolador (SOI) e incorporou uma série de etapas avançadas, incluindo litografia, doping, crescimento seletivo de silício e germânio e ligação de materiais para materiais III-V. O resultado é uma integração em escala de wafer de componentes críticos, como lasers no chip, amplificadores, moduladores, fotodetectores e shifters de fase não volátil-todos essenciais para a construção de redes neurais ópticas.
Esse nível de integração permite que a plataforma execute as cargas de trabalho de IA e aprendizado de máquina com maior eficiência, minimizando as perdas de energia comumente vistas em sistemas eletrônicos.
Deepl nomeado para a lista da Forbes AI 50 pelo segundo ano consecutivo
A nova plataforma fotônica foi projetada para suportar as crescentes necessidades de infraestrutura dos datacenters executando cargas de trabalho de IA. Com sua capacidade de lidar com tarefas computacionais intensivas com mais eficiência, a plataforma pode ajudar as organizações a otimizar o uso de energia durante a escala de operações de IA.
Olhando para o futuro, os pesquisadores veem essa inovação contribuindo para o desenvolvimento mais sustentável da IA, ajudando a superar as crescentes demandas de energia de aprendizado profundo e processamento de dados em larga escala.
A pesquisa é detalhada no artigo intitulado “Plataforma de dispositivo fotônico integrado em larga escala para aceleradores de IA/ml com eficiência energética”. Publicado no IEEE Journal of Selected Topics in Quantum Electronics. O projeto reflete os esforços contínuos na comunidade de fotônicos para desenvolver soluções de hardware que se alinham às necessidades futuras de desempenho e sustentabilidade da infraestrutura de IA.
