اگرچه تراشه جدید نمی‌تواند بلافاصله جایگزین تراشه‌های مورد استفاده در دستگاه‌هایی مانند رایانه‌ها یا گوشی‌های هوشمند شود، اما ممکن است به زودی در دستگاه‌های پوشیدنی، خودروهای الکتریکی یا کارخانه‌های هوشمند استفاده شود و به تقویت رقابت چین در کاربرد های گسترده هوش مصنوعی کمک کند.
پس از اینکه واشنگتن مجموعه‌ای از محدودیت‌ها را برای دسترسی چین به فناوری از جمله تراشه‌های پیشرفته معرفی کرد، این کشور در تلاش است تا در رقابت هوش مصنوعی با ایالات متحده پیشی بگیرد.
تراشه جدید که به نام تراشه تمام آنالوگ ترکیب الکترونیک و نور (ACCEL) شناخته می‌شود، مبتنی بر نور است و از فوتون‌ها، نوعی ذره بنیادی، برای محاسبه و انتقال اطلاعات برای دستیابی به سرعت محاسباتی سریع‌تر استفاده می‌کند.
ایده تراشه مبتنی بر نور جدید نیست، اما تراشه‌هایی که در حال حاضر مورد استفاده قرار می‌گیرند، برای محاسبه به جریان الکتریکی وابسته هستند، زیرا کنترل فوتون‌ها چالش‌برانگیزتر است.
در یک آزمون آزمایشگاهی، تراشه جدید به سرعت محاسباتی ۴٫۶ PFLOPS (عملیات نقطه شناور پتا در ثانیه) رسید که ۳۰۰۰ برابر سریع‌تر از یکی از پرکاربردترین تراشه‌های هوش مصنوعی تجاری Nvidia A100 است. محققان دریافتند تراشه چینی همچنین ۴ میلیون برابر انرژی کمتری مصرف می‌کند.
A100 مشمول تحریم‌های آمریکا علیه چین است و به همراه سایر تراشه‌های پیشرفته هوش مصنوعی با دستگاه های لیتوگرافی پیشرفته تولید می‌شود که چین به آنها دسترسی ندارد.
تراشه جدید توسط شرکت بین‌المللی تولید نیمه هادی چین با استفاده از فرآیند ساخت ترانزیستور ارزان قیمت ۲۰ ساله ساخته شد. عملکرد این تراشه را می‌توان از طریق بهبود فرآیند ساخت و ساز یا با اتخاذ فرآیندهای ساخت گران‌تر زیر ۱۰۰ نانومتر بهینه‌سازی کرد.
برخلاف تراشه‌های نیمه هادی، تراشه های فوتونی از خواص فیزیکی ذاتی نور با جایگزینی ترانزیستورها با اولترا میکروسکوپ و سیگنال‌های الکتریکی با سیگنال‌های نوری استفاده می‌کنند.
استقرار سیستم‌های محاسباتی فوتونیک به دلیل طراحی ساختاری پیچیده و آسیب‌پذیری نسبت به نویز و خطاهای سیستم، یک چالش بود. این تیم به طور خلاقانه یک چارچوب محاسباتی را معرفی کرد که محاسبات الکترونیکی فوتونیک و آنالوگ را ادغام می‌کند.
استفاده از سیگنال‌های نوری راندمان انرژی را تا حد زیادی افزایش می‌دهد و انرژی مورد نیاز برای کار کردن تراشه‌های موجود به مدت یک ساعت می‌تواند ACCEL را برای بیش از ۵۰۰ سال تامین کند.
مصرف انرژی کم آن همچنین ممکن است به غلبه بر مشکل اتلاف گرما کمک کند، که در حال حاضر مانع قابل توجهی در راه کوچک سازی بیشتر مدارهای مجتمع قرار می‌دهد.
با این حال، معماری محاسباتی آنالوگ تراشه، کاربرد آن را به حل مشکلات خاص محدود می‌کند و نمی‌تواند برنامه‌های مختلف را اجرا کند یا فایل‌هایی مانند تراشه‌های محاسباتی عمومی را در گوشی‌های هوشمند فشرده کند.وظایفی که این تراشه می‌تواند انجام دهد شامل تشخیص تصویر با وضوح بالا، محاسبه نور کم و شناسایی ترافیک است.
این پروژه توسط برنامه تحقیق و توسعه ملی وزارت علوم چین و بنیاد ملی علوم طبیعی چین تامین مالی شده است.
MakeSens، یک شرکت طراحی تراشه مستقر در پکن که توسط یکی از محققان شرکت کننده در این پروژه تأسیس شده ، نیز در توسعه تراشه مشارکت داشته است. این شرکت در ماه می امسال یک تراشه کم مصرف را با استفاده از محاسبات آنالوگ راه اندازی کرد.
توسعه یک معماری محاسباتی جدید برای عصر هوش مصنوعی یک دستاورد ارزشمند است. اما چالش مهمتر آن است که این معماری جدید را به کاربردهای عملی تبدیل کرده و نیازهای عمده ملی و عمومی را به وسیله آن برطرف کرد.
منبع: scmp