A medida que la demanda de inteligencia artificial (IA) se acelera en todas las industrias, un nuevo estudio publicado por la Sociedad IEEE Photonics destaca un avance prometedor de hardware diseñado para abordar los crecientes desafíos de energía y rendimiento de la IA.
La investigación, dirigida por el Dr. Bassem -Tossoun, científico de investigación senior de Hewlett Packard Labs, presenta una plataforma de circuito integrado fotónico (PIC) que podría remodelar cómo se procesan las cargas de trabajo de IA. A diferencia de los sistemas tradicionales basados en GPU que se basan en redes neuronales distribuidas electrónicas (DNN), esta nueva plataforma aprovecha las redes neuronales ópticas (ONN), que funciona a la velocidad de la luz con un consumo de energía significativamente reducido.
Publicado en el IEEE Journal of Selected Topics en Quantum Electronics, el estudiar Presenta la aceleración fotónica como una alternativa escalable y sostenible para el hardware de IA de próxima generación. El enfoque se centra en integrar dispositivos fotónicos directamente en chips de silicio utilizando una mezcla de fotónica de silicio y semiconductores compuestos III-V.
Silicon Photonics Technology ha sido considerado durante mucho tiempo prometedora para aplicaciones pesadas de datos. Sin embargo, la escalabilidad para operaciones complejas de IA siguió siendo un obstáculo. El equipo de investigación de IEEE abordó esto combinando la fotónica de silicio con materiales III-V como fosfuro de indio (INP) y arsenuro de galio (GAA), lo que permite láseres en chip, amplificadores y componentes ópticos de alta velocidad para funcionar juntos de manera eficiente.
«Nuestra plataforma de dispositivos se puede utilizar como bloques de construcción para aceleradores fotónicos con una eficiencia energética y escalabilidad mucho mayor que el estado actual de arte», dijo el Dr. Holloun.
El proceso de fabricación comenzó con obleas de silicio sobre aislador (SOI) e incorporó una serie de pasos avanzados, que incluyen litografía, dopaje, crecimiento selectivo de silicio y germanio, y unión a domestrios para materiales III-V. El resultado es una integración a escala de obleas de componentes críticos como láseres en chip, amplificadores, moduladores, fotodetectores y cambios de fase no volátiles, todo esencial para construir redes neuronales ópticas.
Este nivel de integración permite a la plataforma ejecutar cargas de trabajo de IA y aprendizaje automático con mayor eficiencia al tiempo que minimiza las pérdidas de energía comúnmente vistas en los sistemas electrónicos.
Deepl nombrado en la lista de Forbes AI 50 por segundo año consecutivo
La nueva plataforma fotónica está diseñada para soportar las crecientes necesidades de infraestructura de los centros de datos que ejecutan cargas de trabajo de IA. Con su capacidad para manejar tareas computacionales intensivas de manera más eficiente, la plataforma podría ayudar a las organizaciones a optimizar el uso de energía mientras escalan las operaciones de IA.
Mirando hacia el futuro, los investigadores ven esta innovación que contribuye a un desarrollo de IA más sostenible, ayudando a superar las crecientes demandas de energía del aprendizaje profundo y el procesamiento de datos a gran escala.
La investigación se detalla en el documento titulado «Plataforma de dispositivos fotónicos integrados a gran escala para aceleradores de IA/ML de eficiencia energética», «, Publicado en el IEEE Journal of Selected Topics en Quantum Electronics. El proyecto refleja los esfuerzos continuos dentro de la comunidad fotónica de desarrollar soluciones de hardware que se alineen con el rendimiento futuro y las necesidades de sostenibilidad de la infraestructura de IA.
