رایانش فوتونیک و شبکه‌های عصبی نوری
امواج نور به جای الکترون‌های محصور در سیم؛ تراشه‌های فوتونیک دوران کنونی با انجام محاسبات سنگین ریاضی با سرعت نور، بحران انرژی و گرمای افسارگسیخته هوش مصنوعی را مهار کردند.
- بررسی علمی، فیزیکی و فناورانه رایانش فوتونیک (Photonic Computing) و تراشه‌های نورمحور سیلیکونی امروزه. کالبدشکافی چگونگی غلبه بر «دیوار حرارتی مس» و گلوگاه‌های مصرف سرسام‌آور انرژی الکتریکی در دیتاسنترهای غول‌پیکر هوش مصنوعی، سازوکار ضرب ماتریسی آنالوگ با تداخل امواج نوری در اینترفرومترهای ماخ-زندر (MZI)، گسیل پرتوهای لیزری مادون قرمز بر بستر سیلیکون-روی-عایق (SOI)، ادغام سه‌بعدی ناهمگن مدارات الکترونیکی و فوتونیکی (Heterogeneous 3D Integration)، نرخ تأخیر فمتوثانیه‌ای در انتقال سیگنال‌ها، و افق دستیابی به پردازنده‌های پتابیتی سبز برای آموزش مدل‌های فوق‌بزرگ نسل آینده.
- بررسی جامع ابعاد فنی و کاربردی توسط تحریریه ماگ بیت.
- پیش‌بینی اثرات کوتاه‌مدت و بلندمدت بر اکوسیستم فناوری.
برخورد با دیوار حرارتی مس؛ چرا الکترونیک سنتی قادر به تأمین نیازهای هوش مصنوعی نیست؟
رشد انفجاری ابعاد مدل‌های زبانی بزرگ و مدل‌های تولیدی هوش مصنوعی در سال‌های اخیر، صنعت نیمه‌رسانا را به لبه پرتگاه فیزیکی رسانده است. در پردازنده‌های گرافیکی کلاسیک، صدها میلیارد ترانزیستور سیلیکونی از طریق لایه‌های باریک مس با یکدیگر ارتباط برقرار می‌کنند. هنگامی که فرکانس پردازش از مرز چند گیگاهرتز عبور می‌کند، مقاومت الکتریکی و اثر خازنی این سیم‌های مسی نانومتری پدیده‌ای موسوم به «اتلاف ژول» ایجاد می‌نماید.
بیش از ۷۰ درصد از توان مصرفی دیتاسنترهای مدرن هوش مصنوعی نه صرف خود محاسبات منطقی، بلکه صرف انتقال بار الکتریکی میان هسته‌های محاسباتی و تراشه‌های حافظه HBM می‌شود. افزایش حرارت به حدی رسیده است که سیستم‌های خنک‌کننده مایع غوطه‌ور نیز در آستانه اشباع قرار دارند.
تنها راه خروج از این بن‌بست ترمودینامیکی، جایگزینی حامل‌های بار (الکترون‌ها) با حامل‌های بدون جرم و بدون بار (فوتون‌های نور) است. همان‌گونه که در پژوهش جهش حسگرهای کوانتومی و گرانش‌سنج‌های اتم سرد امروزه تشریح گردید، دستکاری خواص موجی ذرات بنیادی در فوتونیک و اپتیک، امکان اندازه‌گیری و محاسبات با راندمان بی‌نهایت را پدید می‌آورد.
محاسبات تانسوری با سرعت نور؛ تداخل‌سنج‌های ماخ-زندر و تداخل فوتونی
قلب تپنده شبکه‌های عصبی مدرن، عملیات ریاضی موسوم به ضرب ماتریس در بردار (General Matrix Multiplication - GEMM) است که ۹۹ درصد زمان اجرای مدل‌ها را به خود اختصاص می‌دهد. در رایانش فوتونیک دوران کنونی این عمل ریاضی نه با گیت‌های منطقی ترانزیستوری، بلکه با قوانین فیزیک امواج نور انجام می‌پذیرد.
آرایه‌های تداخل‌سنج ماخ-زندر (Mach-Zehnder Interferometers - MZI) تعبیه‌شده بر روی بستر فوتونیک سیلیکونی، فاز و دامنه پرتوهای نوری را متناسب با وزن‌های شبکه عصبی تغییر می‌دهند. هنگامی که پرتوهای نور در محل اتصالات موج‌بر با یکدیگر تداخل سازنده یا مخرب پیدا می‌کنند، عمل ضرب و جمع ماتریسی به صورت آنالوگ و در همان کسری از فمتوثانیه‌ای که نور از طول تراشه عبور می‌کند، بدون کوچک‌ترین اتلاف حرارتی محاسبه می‌شود.
همان‌طور که در واکاوی مدل‌های جهان فضایی-زمانی ۴ بعدی و رباتیک تجسم‌یافته امروزه اشاره شد، کاهش تأخیر استنتاج به زیر یک میکروثانیه، انقلاب واقعی هوش مصنوعی بلادرنگ را امکان‌پذیر می‌سازد.
مالتی‌پلکسینگ تقسیم طول موج (WDM) و ادغام سه‌بعدی ناهمگن (3D Packaging)
شگفتی دیگر تراشه‌های فوتونیک دوران معاصر بهره‌گیری از مالتی‌پلکسینگ تقسیم طول موج (WDM) است. در یک سیم مسی سنتی در هر لحظه تنها یک سیگنال ولتاژ می‌تواند منتقل شود، در حالی که در یک موج‌بر نوری سیلیکونی می‌توان همزمان ۶۴ الی ۱۲۸ طول موج مختلف لیزر (رنگ‌های نوری مجزا) را بدون کوچک‌ترین تداخل هدایت کرد. این ویژگی، پهنای باند پردازشی را تا چند ده ترابیت بر ثانیه در یک کانال میلی‌متری افزایش می‌دهد.
چالش تاریخی این فناوری، اتصال دشوار تراشه‌های نوری به پردازنده‌های حافظه الکترونیکی بود. این چالش امروزه به لطف بسته‌بندی ناهمگن سه‌بعدی (3D Heterogeneous Co-Packaged Optics) با پیوند مستقیم ویفرهای سیلیکونی حل شد. در این معماری، لایه لیزری و موج‌برهای نوری مستقیماً در زیر لایه محاسبات منطقی و رم قرار گرفته و نیاز به کابل‌های نوری بیرونی را منتفی کرده‌اند.
بر اساس ارزیابی‌های آزمایشگاهی اخیر، این معماری مصرف انرژی هر تراکنش ضرب ماتریسی را از چند پیکوژول در پردازنده‌های گرافیکی به کمتر از ۱۰ فمتوژول تقلیل داده است.
دیتاسنترهای سبز آینده؛ افق هوش مصنوعی پاک با آلایندگی صفر
پیامدهای زیست‌محیطی تجاری‌سازی شتاب‌دهنده‌های فوتونیک امروزه فراتر از انتظارات اولیه کارشناسان بوده است. کلاسترهای هوش مصنوعی مجهز به پردازنده‌های نوری نه تنها نیازی به سیستم‌های عظیم چیلر آب و مصرف مگاواتی برق ندارند، بلکه می‌توانند با استفاده از برق خورشیدی موضعی تغذیه شوند.
پیش‌بینی می‌شود تا پایان سال ۲۰۲۷، بیش از ۴۰ درصد از استنتاج‌های ابری مدل‌های بنیادین به تراشه‌های فوتونیک منتقل گردند. این گذار نه تنها بحران تأمین برق شبکه در کشورهای پیشرفته را مهار می‌کند، بلکه هزینه پردازش ابری برای استارتاپ‌ها را تا یک‌دهم کاهش خواهد داد. همان‌گونه که در مطالعه مدل قطعات وب‌اسمبلی و ایزولاسیون بدون هسته امروزه تحلیل شد، بازدهی معماری‌های نرم‌افزاری تنها زمانی به اوج می‌رسد که بر بستری سخت‌افزاری با راندمان بی‌نهایت استوار باشد.
در فرجام سخن، رایانش فوتونیک امروزه اثبات کرد که عصر تاریک محدودیت‌های الکتریکی به پایان رسیده است؛ آغاز فصلی درخشان در تاریخ محاسبات بشر که در آن سرعت تفکر ماشین با سرعت سیر نور در کیهان برابری خواهد کرد.
⚠️ سلب مسئولیت پزشکی
اطلاعات و داده‌های ارائه‌شده در این مقاله صرفاً با هدف افزایش آگاهی در زمینه فناوری‌های سلامت منتشر شده است و نباید به عنوان توصیه، تشخیص یا پروتکل درمانی پزشکی تلقی گردد. پیش از هرگونه تصمیم‌گیری یا تغییر در برنامه‌های سلامت فردی، با پزشک متخصص مشورت نمایید.
بیشتر از علم و فضا
