A Pennsylvania Egyetem (UPenn) Mérnöki és Alkalmazott Tudományi Iskolájának munkatársai elkészítették a chipet, amivel fotonok révén lehet számításokat végezni, köztük olyan bonyolult matematikai műveleteket, amelyek a mesterséges intelligencia rendszerek betanításához szükségesek. A lapkát méghozzá nem valamilyen különleges anyagból építették meg, hanem egyszerű szilíciumot használtak hozzá, ami olcsó és könnyen elérhető alapot nyújt a mikrochipgyártáshoz.

A mérnökök a chipet szilícium-fotonikus chipnek, illetve metastruktúrának hívják és egyedi módszert alkalmaztak a kialakításához: a szilíciumréteget egyes helyeken vékonyabbra, máshol vastagabbra szerkesztették, így a szokásos uniform formától eltérő szerkezetet hoztak létre. Ez a magasságbeli változatosság lehetővé tette a fény útjának kontrollálását, mivel a különböző méretű területek máshogy szórták szét a beérkező fényt, illetve fotonokat. A mérnökök által fejlesztett kétdimenziós, inverz metódus használata egy "kompakt, amorf lencserendszert eredményezett, ami előrecsatolásos és alacsony rezonanciájú" - írják a chipet bemutató tanulmányban, ami a Nature Photonics folyóiratban jelent meg.

A fotonikus chipet kifejezetten a mesterséges intelligencia számára tervezték, hogy az MI rendszerek betanításában segítsen egy komplex matematikai számítás elvégezésében.

A vektor-mátrix szorzás a kutatók magyarázata szerint egy olyan alapvető matematikai művelet, amit a neurális hálók létrehozásának folyamán és a működtetésében is nagy szerepet kap. A neurális hálók a gépi tanulási módszerek egyik altípusát jelentik és az emberi agyhoz hasonló, bár annál jóval egyszerűbb struktúrát alkotnak, amelyet mesterséges idegsejtek, azaz csomópontok alkotnak, a csomópontokat pedig mesterséges szinapszisok kötik össze. A többrétegű neurális hálókat felcímkézett adatok betáplálásával tréningezik és alkalmasak rá, hogy összefüggéseket találjanak különböző adathalmazok között. A neurális hálózatok egyik előnye, hogy gyorsan oldják meg a feladatokat, például a képfelismerési vagy beszédfelismerő programok részeként, és ezek nélkül a Google keresője vagy fordítója sem tudná a megszokott hatékonysággal végezni a munkáját.

A UPenn fotonikus chipje a fénysebességgel működő számításokkal még inkább felgyorsíthatja a neurális hálók betanítását, ezáltal a ma már alapvető fontosságú mélytanulási rendszerek készítése hatékonyabbá válhat és egyúttal kevesebb energiafelhasználást igényelhet. Fotonikus számítási eszközöket más területeken is alkalmaznak a cégek, szintén a gyorsaság, a nagy teljesítmény és a költséghatékonyság miatt, fotonikus processzor található például a francia Jean Zay szuperszámítógépben, ami 2019-es beüzemelése óta szerepel a legerősebb szuperszámítógépeket listázó TOP500-ban, jelenleg a 274. helyen áll.

(Fotó: Joshua Sortino/Unsplash)