باحثون يطورون معالج نيورومورفيك أسرع في العالم للاستخبارات الاصطناعية

في ما يُعد قفزة كبيرة إلى الأمام في مجال الذكاء الاصطناعي، قام فريق دولي من الباحثين بقيادة جامعة Swinburne University of Technology بتطوير معالج نيورومورفيك أسرع في العالم للاستخبارات الاصطناعية. يعمل بسرعة مذهلة تزيد عن 10 تريليون عملية في الثانية (TeraOps/s)، مما يعني أنه يمكنه معالجة بيانات ضخمة النطاق.

تم نشر العمل في مجلة Nature.

بقيادة أستاذ ديفيد موس من Swinburne، والدكتور Xingyuan Xu، وأستاذ أرنان ميتشيل من RMIT University، قام الفريق بتعزيز سرعة الحوسبة وطاقة المعالجة. تمكنوا من إنشاء معالج نيورومورفيك ضوئي قادر على العمل بسرعة تزيد عن 1000 مرة عن أي معالج سابق. يمكن للمعالج أيضًا معالجة صور ضخمة النطاق، وهو أمر مهم للتعرف على الوجوه، حيث فشل المعالجات البصرية السابقة في هذا الصدد.

أستاذ موس هو مدير مركز العلوم البصرية في Swinburne، وتم تسميته بأنه أحد أفضل الباحثين الأستراليين في الفيزياء والرياضيات في مجال البصريات والفوتونات من قبل The Australian.

“تم تحقيق هذا الإنجاز بفضل ‘المكامن البصرية الصغيرة’، كما هو الحال مع سرعة الإنترنت القياسية التي سجلناها في مايو 2020″، قال.

معالجات أخرى رائدة ومكامن صغيرة

يمكن لمعالجات إلكترونية رائدة مثل Google TPU العمل بسرعة تزيد عن 100 TeraOps/s. ومع ذلك، تتطلب عشرات الآلاف من المعالجات المتوازية، بينما يعتمد نظام الفريق على معالج واحد فقط. تم تحقيق ذلك باستخدام تقنية جديدة تتضمن دمج البيانات في الوقت والتردد والبعد المكاني من خلال مصدر مكامن صغيرة متكامل.

对于 أولئك الذين لا يعرفون ما هي المكامن الصغيرة، فهي أجهزة جديدة تتكون من مئات من الليزرات الأشعة تحت الحمراء عالية الجودة على شريحة واحدة. بالمقارنة مع مصادر بصرية أخرى، فإن المكامن الصغيرة أسرع وأخف وأرخص.

“في السنوات العشر منذ اختراعيها، أصبحت مكامن الصغيرة المتكاملة مهمة بشكل كبير، ومن المثير أن نرى أنها تتيح لنا إنجازات كبيرة في الاتصالات والمعالجة”، يقول أستاذ موس. “تعد المكامن الصغيرة واعدة لنا لتلبية احتياجات العالم من المعلومات”.

معالج المستقبل

كان الدكتور Xu مؤلفًا مشتركًا للدراسة وهو خريج Swinburne وزميل ما بعد الدكتوراه في قسم الهندسة الكهربائية والحاسوب في جامعة Monash.

“يمكن لمعالجنا أن يخدم كواجهة أمامية شاملة للنطاق الترددي الفائق لأي عتاد نيورومورفيك – بصرية أو إلكترونية – مما يجعل التعلم الآلي للبيانات الضخمة في الوقت الفعلي ضمن متناول اليد”، يقول الدكتور Xu.

“نحن حاليًا نحصل على نظرة خاطفة على كيف ستبدو معالجات المستقبل. إنها تظهر لنا كيف يمكننا تحسين قوة معالجاتنا بشكل كبير من خلال استخدام المكامن الصغيرة المبتكر”، يواصل.

وفقًا لأستاذ ميتشيل من RMIT، “تتعلق هذه التكنولوجيا بجميع أشكال المعالجة والاتصالات – وسيكون لها تأثير كبير. في المدى الطويل، نأمل أن ن实现 أنظمة متكاملة بالكامل على الشريحة، مما يقلل التكلفة واستهلاك الطاقة”.

يدعم أستاذ داميان هيكس فريق البحث وهو من Swinburne ومعهد والتر وإليزابيث هول.

“لقد كانت الشبكات العصبية التلافيفية مركزية في ثورة الذكاء الاصطناعي، ولكن التكنولوجيا السيليكونية الحالية تطرح بشكل متزايد حواجز في سرعة المعالجة وэффективية الطاقة”، يقول أستاذ هيكس.

“يظهر هذا الإنجاز كيف يمكن لتكنولوجيا بصرية جديدة جعل هذه الشبكات أسرع وأكثر فعالية، وهو تطبيق عميق لفوائد التفكير العابر للتخصصات، من خلال الحصول على الإلهام والشجاعة لاتخاذ فكرة من مجال واحد واستخدامها لحل مشكلة أساسية في مجال آخر”، يواصل.