フロリダ大学の研究者は、レーザー光と顕微鏡のフレネルレンズを利用して、人工知能（AI）のコア機能である畳み込み操作を実行し、エネルギー消費を大幅に削減するシリコンチップを開発しました。 *Advanced Photonics *に掲載された調査結果は、ますます複雑になっているAIモデルのエネルギー需要の増加に対する潜在的なソリューションを強調しています。チップは、光学コンポーネントをシリコンに直接統合し、電気に依存するのではなく、光を使用して畳み込みを実行できるようにします。このアプローチは、処理速度を加速しながら、エネルギー消費を大幅に削減します。フロリダ大学の半導体フォトニクスの教授であるラインズのヴォルカーJ.ソーガーと研究のリーダーは、このブレークスルーの重要性を強調し、「ゼロエネルギーに近いエネルギーで重要なマシン学習計算を実行することは、将来のAIシステムにとって飛躍的です。プロトタイプテストでは、チップは、従来の電子チップのパフォーマンスレベルに匹敵するパフォーマンスレベルである約98％の精度で手書きの数字を分類する能力を実証しました。このシステムは、標準的な半導体製造技術を使用して製造された、伝統的なレンズの平らで超薄型バージョンの小型化されたフレネルレンズの2セットを採用しています。これらのレンズは、人間の髪よりも狭く、チップの表面に直接エッチングされます。畳み込みプロセスには、機械学習データをチップ上のレーザー光に変換することが含まれます。この光は、畳み込みに必要な数学的変換を実行するフレネルレンズを通過します。最後に、結果はデジタル信号に戻され、AIタスクを完了します。 UFのソーガーグループの研究准教授であり、研究の共著者であるハンボヤンは、このアプローチの斬新さに注目し、「これは誰もがこのタイプの光学計算をチップに入れてAIニューラルネットワークに適用したのは初めてです」と述べています。チームはまた、異なる色のレーザーを使用して複数のデータストリームを同時に処理するチップの機能を実証しました。これは、波長マルチプレックスとして知られる手法です。ヤンは、「レンズを同時に通過する光の複数の波長または色を持つことができます。これがフォトニクスの重要な利点です。」この研究は、フロリダ半導体研究所、UCLA、およびジョージワシントン大学が関与する共同の取り組みでした。 Sorgerは、Nvidiaのような企業はすでに特定のAIシステムに光学要素を組み込んでおり、この新しいテクノロジーの統合を促進できると指摘しました。 Sorgerは、チップベースの光学系が日常のAIチップに不可欠である未来を想定し、「近い将来、チップベースの光学系は毎日使用するすべてのAIチップの重要な部分になります。
Source: 新しいチップは、AIエネルギー消費を大幅に削減します
