Nanostructuri cuantice ar putea reduce consumul energetic al inteligenței artificiale
Cercetătorii de la Universitatea Wisconsin–Madison au proiectat un nou tip de nanostructură cuantică ce ar putea sta la baza rețelelor neuronale optice, o tehnologie emergentă cu potențialul de a face sistemele de inteligență artificială — precum modelele lingvistice mari și generarea de imagini — mai rapide și semnificativ mai eficiente din punct de vedere energetic. Rezultatele au fost publicate în revista Nature Communications pe 27 august.
Multe dintre cele mai populare sisteme de inteligență artificială se bazează pe rețele neuronale profunde, sisteme multistrat care imită interconectarea creierului uman. Pe măsură ce aceste sisteme cresc în dimensiune și complexitate, consumul lor de energie crește de asemenea. Acesta este unul dintre factorii care alimentează îngrijorările recente legate de consumul energetic al inteligenței artificiale și de construcția centrelor de date. Preocuparea nu este nouă: în urmă cu un deceniu, cercetătorii din domeniu erau deja conștienți că costul energetic al scalării rețelelor neuronale nu este sustenabil, motiv pentru care au propus rețelele neuronale optice.
Elementul neliniar lipsă
În loc să se bazeze pe cipuri de calculator tradiționale, sistemele optice folosesc lasere și fotodetectori extrem de mici și de rapizi pentru a procesa informația. Teoretic, aceste sisteme sunt de ordine de mărime mai rapide și mai eficiente decât GPU-urile electronice care stau la baza sistemelor actuale de inteligență artificială. Cu alte cuvinte, ar putea face mai multă muncă folosind mai puțină energie.
Însă sistemele optice nu au atributul cheie care face dintr-o rețea neuronală mai mult decât un simplu calculator performant: neliniaritatea, calitatea care permite sistemelor de inteligență artificială să depășească computația tradițională. Sistemele optice sunt excelente la funcții liniare, unde ieșirea scalează proporțional cu intrarea. Dar, pentru că fotonii — particulele de lumină care transportă energie și informație în sistemele optice — nu interacționează ușor între ei, există puține materiale optice capabile să producă funcții neliniare. Astfel de operații neliniare permit unei rețele să învețe tipare complexe, nu doar să rescaleze intrările. Deși există câteva materiale optice neliniare, cantitatea de energie laser necesară pentru a le activa funcțiile neliniare este atât de mare încât anulează economiile energetice ale sistemului.
Emițătorii cuantici schimbă ecuația
Echipa condusă de Qingyi Zhou și Zongfu Yu a calculat câtă energie ar fi necesară pentru a genera neliniaritate într-o rețea neuronală optică folosind materiale optice convenționale existente. Cercetătorii au constatat că intensitatea laserului necesară pentru ca sistemul să funcționeze era imposibil de realizat, depășind cu mult orice buget energetic realist.
Prin urmare, echipa a explorat combinarea materialelor optice cu materiale neconvenționale, precum emițătorii cuantici, care prezintă deja o neliniaritate optică foarte puternică. Folosind o suită de instrumente de simulare și calcul, cercetătorii au proiectat o nanostructură care înconjoară un emițător cuantic — tehnic, un tip de structură numit centru de culoare cu vacanță — optimizată să producă cât mai multă neliniaritate posibil. Simulările detaliate au arătat că integrarea acestor dispozitive într-o rețea neuronală completă ar conduce într-adevăr la o neliniaritate puternică, creând un sistem mai rapid și mai puternic. În plus, modelul a arătat că proiectarea echipei ar reduce consumul de energie cu șapte ordine de mărime față de materialele optice convenționale.
Zhou subliniază că, deși rezultatele sunt o estimare teoretică, analiza arată deja că neliniaritatea în sine nu ar mai trebui să fie blocajul pentru computația optică. Deși lucrarea actuală rămâne computațională, Zhou a analizat dacă este fezabilă construirea rețelei neuronale optice cu materiale și tehnici actuale. El menționează că și alte tipuri de emițători cuantici, precum punctele cuantice sau atomii neutri, ar putea funcționa în acest sistem și ar putea îmbunătăți performanța acestuia.
