تهران: محققان موسسه فناوری ماساچوست (MIT) از ساخت نوع جدیدی از پردازنده هوش مصنوعی مبتنی بر نور خبر دادند که قادر است سیگنال‌های بی‌سیم را با سرعتی بی‌سابقه پردازش کند.
به گزارش ایسنا، با افزایش روزافزون دستگاه‌های متصل به اینترنت و نیاز به سرعت‌های بالاتر، به ویژه برای کاربردهایی نظیر تماس‌های ویدیویی، بازی‌های ابری و خانه‌های هوشمند، فشارها بر شبکه‌های بی‌سیم برای افزایش سرعت و کارایی به شدت افزایش یافته است. در این میان، هوش مصنوعی به عنوان راهکاری برای مدیریت ترافیک بی‌سیم و کاهش تاخیرها مطرح شده است. اما سیستم‌های هوش مصنوعی موجود، اغلب کند بوده و مصرف انرژی بالایی دارند که این امر، استفاده از آن‌ها در ارتباطات بی‌سیم در زمان واقعی را با چالش مواجه می‌کند.
تراشه جدید MIT با استفاده از علم فوتونیک و به جای برق، از نور برای پردازش داده‌ها استفاده می‌کند. این ویژگی به آن امکان می‌دهد تا سیگنال‌ها را در نانوثانیه تشخیص داده و طبقه‌بندی کند که حدود 100 برابر سریع‌تر از سیستم‌های دیجیتال فعلی است. علاوه بر این، مصرف انرژی این تراشه بسیار پایین بوده و آن را برای استفاده در دستگاه‌های کوچک که نیاز به عملکرد سریع و مصرف بهینه انرژی دارند، ایده‌آل می‌سازد.
این تراشه فشرده، ارزان و انعطاف‌پذیر بوده و می‌تواند برای طیف گسترده‌ای از کاربردها، فراتر از پردازش سیگنال بی‌سیم، مورد استفاده قرار گیرد.
به ویژه، این فناوری می‌تواند در شبکه‌های 6G آینده بسیار مفید باشد. در شبکه‌های 6G، دستگاه‌های هوشمند مجهز به “رادیوهای شناختی” باید فرمت‌های سیگنال خود را به صورت لحظه‌ای تطبیق دهند تا اتصالات پایدار و سریعی را فراهم کنند. تراشه جدید MIT، با نام “شبکه عصبی نوری تبدیل فرکانس آنالوگ ضربی” (MAFT-ONN)، می‌تواند به این دستگاه‌ها کمک کند تا به سرعت و در زمان واقعی “فکر” کرده و واکنش نشان دهند.
علاوه بر شبکه‌های 6G، این تراشه می‌تواند در خودروهای خودران برای واکنش فوری به محیط اطراف و همچنین در دستگاه‌های پزشکی مانند ضربان‌سازهای هوشمند برای پایش لحظه‌ای وضعیت بیمار بدون تاخیر، کاربرد داشته باشد.
تراشه‌های هوش مصنوعی امروزی، اغلب سیگنال‌های بی‌سیم را با تبدیل آن‌ها به تصاویر و سپس اجرای آن‌ها از طریق مدل‌های یادگیری عمیق پردازش می‌کنند که این فرآیند، کند و نیازمند قدرت محاسباتی بالایی است.
در مقابل، سیستم‌های نوری مانند MAFT-ONN مستقیماً در “دامنه فرکانس” عمل می‌کنند، به این معنی که داده‌های سیگنال قبل از تبدیل به شکل دیجیتال مورد استفاده قرار می‌گیرند که این امر موجب صرفه‌جویی قابل توجه در زمان و انرژی می‌شود.
برخلاف سایر تراشه‌های نوری، MAFT-ONN تنها به یک دستگاه در هر لایه در یک شبکه عصبی نیاز دارد و عملیات ساده و پیچیده مورد نیاز برای یادگیری عمیق را تنها با استفاده از نور انجام می‌دهد.
محققان از روشی به نام “ضرب فوتوالکتریک” برای افزایش کارایی و مقیاس تراشه استفاده کرده‌اند. در آزمایش‌ها، این تراشه توانست سیگنال‌ها را در یک مرحله با دقت 85 درصد و با چند اندازه‌گیری اضافی با دقت بیش از 99 درصد طبقه‌بندی کند. انجام یک کار توسط این تراشه تنها 120 نانوثانیه طول می‌کشد که بسیار سریع‌تر از سیستم‌های دیجیتال فعلی است.
محققان قصد دارند قابلیت‌های تراشه را گسترش داده و آن را برای مدل‌های پیچیده هوش مصنوعی مانند ترانسفورماتورها یا مدل‌های زبانی بزرگ تطبیق دهند. این پیشرفت می‌تواند به تغییر شکل نه تنها شبکه‌های بی‌سیم، بلکه طیف گسترده‌ای از فناوری‌هایی که به هوش مصنوعی سریع، قابل اعتماد و کارآمد متکی هستند، کمک کند.
نتایج این تحقیق در نشریه Science Advances منتشر شده است.