Wavelength-Division-Multiplexed Photonic Tensor Core Using Nonvolatile and Volatile Weighting with a General Matrix-Multiply Compiler
Este artigo apresenta o projeto, a fabricação e a demonstração experimental de um núcleo tensorial fotônico com multiplexação por divisão de comprimento de onda que integra tanto memória de mudança de fase não volátil quanto ponderação termo-óptica volátil, suportado por um compilador personalizado, para alcançar multiplicação de matrizes de alta eficiência com desempenho projetado atingindo 8,75 TOPS e 3,04 TOPS/W.
Artigo original sob licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo
No mundo moderno, a inteligência artificial tornou-se uma força poderosa, impulsionando tudo, desde diagnósticos médicos até veículos autônomos. No entanto, essa inteligência tem um preço elevado: os enormes chips de computador que alimentam esses sistemas estão atingindo limites físicos. Eles estão se tornando grandes demais, lentos demais e famintos por energia para acompanhar a crescente demanda por cálculos complexos. Para resolver isso, os cientistas estão voltando o olhar para a luz. Em vez de usar eletricidade para mover informações através de fios de silício, como fazem os computadores tradicionais, pesquisadores estão explorando maneiras de usar fótons, ou partículas de luz, para realizar cálculos. A luz pode viajar mais rápido e carregar mais dados com menos calor, oferecendo um caminho potencial para máquinas que sejam tanto incrivelmente rápidas quanto notavelmente eficientes. O desafio tem sido construir um chip que não apenas guie a luz, mas que também a utilize para realizar a matemática específica e pesada que a inteligência artificial exige, conhecida como multiplicação de matrizes, sem perder a precisão ou a estabilidade.
Uma equipe de pesquisadores deu agora um passo significativo ao projetar e testar um novo tipo de chip de computador que utiliza a luz para realizar esses cálculos essenciais. Eles criaram um dispositivo chamado núcleo tensorial fotônico, que atua como um motor especializado para a matemática por trás da inteligência artificial. A equipe construiu duas versões diferentes deste motor para ver como elas poderiam lidar com diferentes tipos de tarefas. Uma versão utiliza um material especial que pode armazenar informações permanentemente sem precisar de energia, muito parecido com uma memória digital que nunca esquece. A outra versão utiliza um sistema rapidamente ajustável que pode mudar suas configurações num piscar de olhos, permitindo que se adapte rapidamente a novos dados. Ambas as versões baseiam-se numa técnica chamada multiplexação por divisão de comprimento de onda, que permite ao chip enviar múltiplos fluxos de dados ao mesmo tempo, utilizando diferentes cores de luz, de forma semelhante a como uma rodovia possui múltiplas faixas para carregar mais tráfego do que uma única estrada conseguiria suportar.
Os pesquisadores construíram estes chips com sucesso e testaram-nos para ver quão bem poderiam desempenhar tarefas do mundo real. Descobriram que a versão que utiliza o material permanente era extremamente eficiente em termos de energia, consumindo quase nenhuma potência para manter as suas configurações, tornando-a ideal para dispositivos que precisam funcionar durante muito tempo com uma única bateria. A versão ajustável, embora utilize um pouco mais de energia para alterar as suas configurações, ofereceu maior precisão e pode ser reconfigurada rapidamente, sendo mais adequada para tarefas que exigem atualizações constantes. Para provar que o sistema funcionava, a equipa utilizou-o para processar imagens. Pediram ao chip que identificasse arestas numa imagem e que combinasse um rosto com uma máscara digital, tarefas que são fundamentais para a forma como os computadores "veem" e compreendem o mundo. O chip realizou estas operações com uma taxa de erro muito baixa, completando com sucesso os cálculos que normalmente exigiriam um processador eletrónico muito maior e que consome mais energia.
Para garantir que o sistema pudesse lidar com a matemática complexa necessária para modelos de inteligência artificial maiores, os investigadores também desenvolveram uma ferramenta de software especial. Esta ferramenta atua como um tradutor, decompondo problemas matemáticos massivos e complicados em partes menores que o chip físico possa processar. Eles testaram esta combinação de hardware e software simulando como o chip reconheceria números escritos à mão, um teste clássico para a inteligência artificial. Os resultados mostraram que, embora o sistema baseado em luz fosse ligeiramente menos preciso do que um computador eletrónico padrão ao lidar com as partes mais complexas da matemática, era vastamente superior em termos de velocidade e uso de energia. Os investigadores estimam que, se escalassem o seu design para um tamanho maior, o sistema poderia realizar biliões de cálculos por segundo utilizando uma fração da energia exigida pela tecnologia atual.
Este trabalho demonstra que é possível construir um sistema modular onde diferentes tipos de processadores baseados em luz podem ser combinados para atender a necessidades específicas. A equipa mostrou que, ao utilizar a luz para realizar o trabalho pesado dos cálculos matemáticos, poderiam criar um sistema que é não só mais rápido, mas também muito mais compacto e eficiente em termos de energia do que o que está disponível atualmente. Embora o protótipo atual seja uma pequena prova de conceito, os princípios que demonstraram sugerem um futuro onde a inteligência artificial poderá funcionar em dispositivos pequenos e portáteis, sem a necessidade de enormes centros de dados. Os investigadores acreditam que, ao continuar a refinar estes chips baseados em luz e integrá-los com os sistemas eletrónicos existentes, podem abrir as portas para uma nova geração de tecnologia que é capaz de processar informação à velocidade da luz, levando a poderosa inteligência artificial para a extremidade da rede, onde ela é mais necessária.
Afogado em artigos na sua área?
Receba digests diários dos artigos mais recentes que correspondam às suas palavras-chave de pesquisa — com resumos técnicos, no seu idioma.