Chip Fotanik Terlihat Meningkatkan Kecepatan Proses AI Secara Dramatis

Sebuah tim peneliti baru-baru ini menerapkan prosesor fotanik pada aplikasi kecerdasan buatan, menunjukkan bahwa prosesor fotanik dapat melebihi kemampuan pemrosesan informasi dari chip elektronik biasa.

Tim peneliti mengembangkan arsitektur chip baru dan pendekatan yang menggabungkan kemampuan penyimpanan data dan pemrosesan data dalam satu perangkat. Chip tersebut dibuat dengan bahan perubahan fase (seperti yang digunakan dalam DVD). Prosesor fotanik (berbasis cahaya) digunakan untuk menghasilkan chip komputer yang dapat melakukan perhitungan dengan kecepatan tinggi, dan dalam sebuah studi yang baru-baru ini diterbitkan di Nature, tim peneliti dapat menunjukkan bahwa chip baru tersebut dapat meningkatkan kemampuan pemrosesan informasi secara paralel.

Perkalian Matriks-Vektor

Jaringan saraf yang mendasari banyak aplikasi kecerdasan buatan yang paling canggih beroperasi melalui perkalian matriks-vektor. Tim peneliti menciptakan sistem percepatan berbasis perangkat keras yang memungkinkan perkalian tersebut dilakukan secara paralel. Chip optik memanfaatkan fakta bahwa panjang gelombang cahaya yang berbeda tidak mengganggu satu sama lain, sehingga dapat digunakan untuk melakukan perhitungan secara paralel. Tim peneliti menggunakan “freqensi komb” yang dikembangkan oleh EPFL, menggunakan sebagai sumber cahaya untuk memberikan chip fotanik dengan panjang gelombang yang berbeda.

Pengembangan freqensi komb dipimpin oleh Profesor Tobias Kippenberg di EPFL. Kippenburg adalah salah satu penulis utama studi tersebut bersama dengan co-penulis Wolfram Pernice dari Universitas Münster. Menurut Pernice, prosesor berbasis cahaya dapat mempercepat tugas komputasi yang intensif dalam pembelajaran mesin, melakukan perhitungan dengan kecepatan yang lebih tinggi daripada perangkat keras khusus seperti Tensor Processing Units (TPU) dan GPU yang paling canggih.

Pelatihan Jaringan Saraf

Setelah chip fotanik dirancang dan dibangun, para peneliti mengujinya dengan menguji pada jaringan saraf yang dirancang untuk mengenali angka tulisan tangan. Proses pelatihan jaringan saraf memanfaatkan multiplexing panjang gelombang yang diaktifkan oleh chip, dan dapat mencapai kecepatan data dan kepadatan komputasi yang lebih tinggi daripada yang pernah dicapai sebelumnya.

Menurut Johannes Feldmann, penulis utama studi dan mahasiswa pascasarjana di Universitas Münster, melalui TechXplore:

“Operasi konvolusi antara data input dan satu atau lebih filter – yang dapat menyoroti tepi dalam sebuah foto, misalnya – dapat dipindahkan dengan sangat baik ke arsitektur matriks kami. Menyalahgunakan cahaya untuk transmisi sinyal memungkinkan prosesor melakukan pemrosesan data paralel melalui multiplexing panjang gelombang, yang mengarah ke kepadatan komputasi yang lebih tinggi dan banyak perkalian matriks yang dilakukan dalam satu langkah waktu.”

Penelitian ini sangat penting karena dapat memungkinkan jaringan saraf dilatih pada dataset besar dalam waktu yang jauh lebih singkat daripada waktu pelatihan biasa. Saat data besar terus tumbuh, diperbesar oleh internet of things dan penyebaran perangkat pintar, ilmuwan data akan memerlukan cara baru untuk menjaga waktu pelatihan tetap rendah. Elektronik tradisional biasanya beroperasi pada rentang GHz yang rendah, sedangkan kecepatan modulasi optik dapat mencapai 50 GHz hingga 100 GHz.

Penelitian ini dapat memiliki implikasi penting untuk aplikasi seperti komputasi awan, pencitraan medis, dan kendaraan otonom, yang semua memerlukan kemampuan untuk memproses volume data besar yang berasal dari sumber yang berbeda dengan kecepatan yang sesuai.

Proyek penelitian ini adalah hasil kolaborasi antara tim internasional peneliti dari Pitt Univesity, Universitas Münster di Jerman, Universitas Exeter dan Oxford di Inggris, IBM Zurich, dan École Polytechnique Fédérale (EPFL) di Swiss.