۸۰ سال پس از معرفی ENIAC، نخستین رایانه عمومی جهان، پژوهشگران دانشگاه پنسیلوانیا در حال بررسی آیندهای کاملاً متفاوت برای محاسبات هستند؛ آیندهای که در آن بهجای اتکا صرف به الکترونها، از خودِ نور برای تواندهی به نسل بعدی سیستمهای هوش مصنوعی استفاده میشود.
ENIAC که توسط پژوهشگران پن، جی. پرسپر اکرت و جان ماوشلی توسعه یافت، با استفاده از الکترونها عصر محاسبات الکترونیکی را آغاز کرد؛ رویکردی که همچنان اساس رایانههای مدرن را تشکیل میدهد. اما با بزرگتر و پرمصرفتر شدن سیستمهای هوش مصنوعی، این فناوری به محدودیتهای جدی فیزیکی و انرژی رسیده است.
چرا هوش مصنوعی به مرز محدودیت رسیده است
الکترونها حامل بار الکتریکی هستند و هنگام حرکت در مدارها، گرما و مقاومت ایجاد میکنند؛ این موضوع باعث اتلاف انرژی و دشواری در خنکسازی تراشهها میشود. با رشد مدلهای هوش مصنوعی و افزایش حجم دادهها، این محدودیتها شدیدتر شدهاند.
برای مقابله با این مسئله، گروه فیزیک دانشگاه پنسیلوانیا به رهبری بو ژن (Bo Zhen) در حال بررسی این است که آیا فوتونها—ذرات سازنده نور—میتوانند بخشی از وظایف الکترونها را بر عهده بگیرند یا نه.
به گفته لی هه (Li He)، نویسنده همکار این پژوهش: «فوتونها چون بدون بار و بدون جرم هستند، میتوانند اطلاعات را سریع و با اتلاف بسیار کم منتقل کنند و به همین دلیل ستون اصلی فناوری ارتباطات هستند. اما همین ویژگی باعث میشود تعامل کمی با محیط داشته باشند و برای عملیات منطقی مانند سوئیچینگ در رایانهها مناسب نباشند.»
به بیان ساده، نور اطلاعات را بسیار سریع حمل میکند، اما برای انجام عملیات محاسباتی به تعاملات قویتری نیاز است.
ذرات نور–ماده و محاسبات تمامنوری
برای حل این مشکل، تیم زِن نوعی شبهذره به نام «اکسیتون–پولاریتون» ایجاد کرده است. این ذرات از ترکیب فوتونها با الکترونها در یک نیمهرسانای تکلایهای تشکیل میشوند. نتیجه، یک ذره هیبریدی است که هم سرعت نور را دارد و هم تعاملپذیری ماده را.
این پیشرفت میتواند برای محاسبات هوش مصنوعی بسیار مهم باشد. بسیاری از تراشههای فوتونی فعلی از نور برای انجام سریع برخی محاسبات استفاده میکنند، اما در مراحل غیرخطی و تصمیمگیری، معمولاً مجبورند سیگنال نوری را دوباره به الکترون تبدیل کنند. این تبدیلهای مکرر سرعت را کاهش داده و مصرف انرژی را افزایش میدهد.
در این پژوهش، تیم پنسیلوانیا نشان داد که با استفاده از اکسیتون–پولاریتونها میتوان سوئیچینگ کاملاً نوری را با مصرف انرژی حدود ۴ کوادریلیونیم ژول انجام داد؛ مقداری بسیار ناچیز که حتی از انرژی لازم برای روشن کردن لحظهای یک LED کوچک هم کمتر است.
آینده تراشههای هوش مصنوعی نوری
اگر این فناوری به مقیاس صنعتی برسد، میتواند امکان پردازش مستقیم نور (مثلاً از دوربینها) را بدون تبدیل مداوم بین نور و برق فراهم کند. این موضوع میتواند مصرف انرژی سیستمهای عظیم هوش مصنوعی را بهطور چشمگیری کاهش دهد و حتی مسیرهایی برای محاسبات کوانتومی ابتدایی روی تراشهها باز کند.
در مجموع، این رویکرد نشان میدهد که آینده محاسبات ممکن است دیگر صرفاً الکترونیکی نباشد، بلکه به سمت سامانههای «نورمحور» و هیبریدی حرکت کند؛ جایی که فیزیک نور نقش فعالتری در منطق و پردازش اطلاعات ایفا میکند.
