光驱动的计算机芯片可以比电力驱动的组件更快地训练人工智能

新的芯片设计使用光子而不是电子来执行计算，科学家希望将该技术集成到未来的显卡中来训练人工智能。

科学家们设计了一种新型微芯片，由光而不是电力驱动。研究人员声称，与当今最好的组件相比，该技术有潜力更快、更有效地训练未来的人工智能 (AI) 模型。

科学家们在一份报告中表示，通过使用光子而不是电子来执行复杂的计算，该芯片可以克服经典硅芯片架构的局限性，大大加快计算机的处理速度，同时还可以降低能耗。新研究，2 月 16 日发表在《自然光子学》杂志上。 

硅芯片具有晶体管（或微型电气开关），可在施加电压时打开或关闭。一般来说，芯片拥有的晶体管越多，其计算能力就越强，运行所需的电力也就越多。 

纵观计算历史，芯片一直遵循摩尔定律，该定律规定晶体管的数量每两年就会增加一倍，而生产成本或能源消耗不会增加。但硅芯片存在物理限制，包括晶体管可以运行的最大速度、电阻产生的热量以及科学家可以制造的最小尺寸芯片。 

这意味着随着未来电力需求的增加，将数十亿个晶体管堆叠到越来越小的硅电子芯片上可能不可行——尤其是对于耗电的人工智能系统。

相关：世界上最大的计算机芯片 WSE-3 将为大型人工智能超级计算机提供动力，速度比当前记录保持者快 8 倍

然而，与电子相比，使用光子具有许多优点。首先，它们的移动速度比电子快——电子无法达到光速。虽然电子可以以接近这些速度移动，但此类系统将需要异常且不可行的能量。因此，使用光的能源消耗要低得多。光子也是无质量的，并且不会像带电荷的电子那样发出热量。

在设计芯片时，科学家们着手构建一个基于光的平台，可以执行称为矢量矩阵乘法的计算。这是用于训练神经网络的关键数学运算之一——旨在模仿人脑结构的机器学习模型。 ChatGPT 和 Google 的 Gemini 等 AI 工具就是通过这种方式进行训练的。 

科学家们没有像传统硅芯片那样使用高度均匀的半导体硅片，而是将硅做得更薄，但仅限于特定区域。 

“这些高度的变化——无需添加任何其他材料——提供了一种控制光通过芯片传播的方法，因为高度的变化可以分布，导致光以特定的模式散射，从而使芯片能够执行数学运算。光速计算，”共同主要作者、宾夕法尼亚大学物理学教授纳德·恩赫塔 (Nader Engheta) 在一份声明中说道。

研究人员声称他们的设计可以适应现有的生产方法，无需进行任何调整。这是因为他们用来构建光子芯片的方法与制造传统芯片的方法相同。

他们补充说，设计原理图可以适用于增强图形处理单元（GPU），近年来图形处理单元的需求猛增。这是因为这些组件对于训练大型语言模型 (LLM)（例如 Google 的 Gemini 或 OpenAI 的 ChatGPT）至关重要。 

“他们可以采用硅光子平台作为附加组件，”合著者、宾夕法尼亚大学电气工程教授Firooz Aflatouni在声明中表示。 “然后你就可以加快 [AI] 训练和分类速度。”