به گزارش خبرنگار مهر؛ رشد انفجاری مدلهای یادگیری عمیق در دهه گذشته، مرزهای رایانش الکترونیکی را به چالش کشیده است. این مدلها که از میلیاردها پارامتر تشکیل شدهاند، برای آموزش و استنتاج نیازمند توان پردازشی بسیار بالا و منابع انرژی عظیم هستند. در نتیجه، محدودیتهای ترانزیستورهای سیلیکونی، پدیدههای حرارتی و هزینههای زیستمحیطی مراکز داده به یکی از گلوگاههای اصلی توسعه هوش مصنوعی تبدیل شدهاند. پژوهشگران در واکنش به این بحران، مسیرهای جایگزین متعددی را جستوجو کردهاند که از جمله آنها میتوان به رایانش کوانتومی، معماریهای نوروموفیک و رایانش فوتونیک اشاره کرد. یکی از امیدبخشترین این مسیرها، رایانش فوتونیک (Photonic Computing) محسوب میشود؛ رویکردی که بهجای جریان الکترون، از فوتونها برای پردازش و انتقال داده بهره میگیرد. در این فناوری، نور به عنوان حامل اطلاعات، نه تنها سرعت پردازش را چندین برابر افزایش میدهد، بلکه مصرف انرژی را به شکل چشمگیری کاهش میدهد. پژوهشهای اخیر در این زمینه، گامی بنیادین در تحقق این رؤیای بلندپروازانه به شمار میرود و چشماندازی از رایانش هوش مصنوعی آینده را ترسیم میکند که در آن سرعت نور، مرز نهایی عملکرد تراشههای هوش مصنوعی خواهد بود.
رایانش مبتنی بر نور: گشودن مرز جدیدی در یادگیری عمیق