Σε μια εποχή όπου η ροή δεδομένων αυξάνεται με εκρηκτικό ρυθμό και η ανάγκη για ταχύτατη επεξεργασία γίνεται πιο επιτακτική από ποτέ, οι ερευνητές του MIT έρχονται με μια επαναστατική πρόταση: ένα AI chip που λειτουργεί με φως και επεξεργάζεται ασύρματα σήματα σε πραγματικό χρόνο, φέρνοντας την τεχνολογία ένα βήμα πιο κοντά στην εποχή του 6G.
Η καινοτομία ονομάζεται MAFT-ONN (Multiplicative Analog Frequency Transform Optical Neural Network) και αποτελεί ένα εντελώς νέο είδος αναλογικού οπτικού νευρωνικού δικτύου. Το chip επεξεργάζεται ραδιοσυχνότητες (RF) απευθείας σε αναλογική μορφή, χωρίς την ανάγκη ψηφιοποίησης. Σε δοκιμές στο εργαστήριο, κατάφερε να ταξινομήσει μοτίβα διαμόρφωσης με ακρίβεια που έφτασε το 95%, ενώ εκτέλεσε περίπου τέσσερα εκατομμύρια πράξεις πολλαπλασιασμού και συσσώρευσης για την αναγνώριση χειρόγραφων ψηφίων από τη βάση δεδομένων MNIST.
Η ανάγκη για τέτοιου είδους τεχνολογίες γίνεται ολοένα και πιο επιτακτική. Η Edholm’s law προβλέπει ότι τόσο οι ρυθμοί μετάδοσης όσο και η ανάγκη για εύρος ζώνης αυξάνονται εκθετικά. Ταυτόχρονα, τα νευρωνικά δίκτυα βαθέως μάθησης καταναλώνουν τεράστια υπολογιστική ισχύ, ενώ ο νόμος του Moore – που περιέγραφε την εκθετική αύξηση της υπολογιστικής ισχύος – φαίνεται να φρενάρει. Το χάσμα αυτό καλούνται να καλύψουν καινοτομίες όπως το MAFT-ONN.
Ένα από τα μεγαλύτερα πλεονεκτήματα του νέου chip είναι η δυνατότητα να μετατρέπει τα σήματα στο πεδίο της συχνότητας πριν από οποιαδήποτε ψηφιακή επεξεργασία. Κάθε στρώση του νευρωνικού δικτύου πραγματοποιεί τόσο τις γραμμικές όσο και τις μη γραμμικές υπολογιστικές πράξεις μέσα στον ίδιο οπτικό επεξεργαστή. Σύμφωνα με τον Ronald Davis III, ο οποίος αποφοίτησε με διδακτορικό από το MIT το 2024, η ομάδα κατάφερε να χωρέσει 10.000 τεχνητούς νευρώνες σε μία μόνο συσκευή, η οποία πραγματοποιεί τους υπολογισμούς με μία μόνο δέσμη φωτός.
Η ταχύτητα αυτής της επεξεργασίας είναι εντυπωσιακή: με μία μόνο "λήψη" διάρκειας 120 νανοδευτερολέπτων, το σύστημα πέτυχε ακρίβεια 85%, ενώ με ελάχιστες επιπλέον μετρήσεις ξεπέρασε το 99%. Όπως εξηγεί ο Davis, όσο περισσότερες μετρήσεις γίνονται, τόσο αυξάνεται η ακρίβεια – και επειδή το MAFT-ONN λειτουργεί σε νανοδευτερόλεπτα, το κόστος σε χρόνο είναι σχεδόν μηδαμινό.
Σε σχέση με τα κλασικά ψηφιακά chips τεχνητής νοημοσύνης, ο νέος φωτονικός επεξεργαστής είναι περίπου 100 φορές πιο γρήγορος, καταναλώνοντας παράλληλα αισθητά λιγότερη ενέργεια. Είναι επίσης πιο μικρός, ελαφρύς και οικονομικός, χαρακτηριστικά που τον καθιστούν ιδανικό για ενσωμάτωση σε έξυπνες περιφερειακές συσκευές, οι οποίες προσαρμόζουν δυναμικά τη διαμόρφωση των σημάτων για να μειώνουν τις παρεμβολές και να αυξάνουν τους ρυθμούς μετάδοσης.
Όπως αναφέρει ο Dirk Englund, καθηγητής ηλεκτρολόγος μηχανικός και επικεφαλής της έρευνας,
Υπάρχουν πάρα πολλές εφαρμογές που μπορούν να ωφεληθούν από συσκευές στην περιφέρεια του δικτύου με ικανότητα ανάλυσης ασύρματων σημάτων. Η δουλειά μας ανοίγει νέους ορίζοντες για πραγματικού χρόνου και αξιόπιστες εφαρμογές τεχνητής νοημοσύνης. Είναι μόνο η αρχή ενός πολύ ελπιδοφόρου πεδίου.
Η προοπτική όμως δεν σταματά εδώ. Το chip θα μπορούσε να χρησιμοποιηθεί και πέρα από τον χώρο των τηλεπικοινωνιών. Για παράδειγμα, αυτοκινούμενα οχήματα θα μπορούσαν να αντιδρούν σχεδόν ακαριαία, ή έξυπνοι βηματοδότες να παρακολουθούν συνεχώς τη λειτουργία της καρδιάς με πρωτοφανή ακρίβεια και ταχύτητα.
Η ομάδα του MIT σχεδιάζει τώρα να ενσωματώσει τεχνικές multiplex για ακόμα μεγαλύτερη υπολογιστική ισχύ, καθώς και να προσαρμόσει το σχεδιασμό του chip ώστε να υποστηρίζει πιο απαιτητικά μοντέλα τεχνητής νοημοσύνης, όπως transformers και μεγάλα γλωσσικά μοντέλα.
[via]
