الحوسبة
الحوسبة بسرعة الضوء باستخدام الفوتونيات السيليكونية
طور مهندسون من جامعة بنسلفانيا شريحة تستخدم موجات الضوء بدلاً من الكهرباء لإجراء عمليات حسابية معقدة ضرورية لتدريب الذكاء الاصطناعي (AI). يمكن لهذا الابتكار أن يسرّع المعالجة بشكل كبير ويقلل من استهلاك الطاقة للأجهزة.
تظهر الدراسة، نُشرت في مجلة Nature Photonics، أن هذا هو “هيكل منخفض التباين المؤشر تم تصميمه عكسياً” على منصة الفوتونيات السيليكونية (SiPh)، مما قد يتيح منصات حوسبة تماثلية تعتمد على الموجات على نطاق واسع.
تستخدم الفوتونيات السيليكونية السيليكون، وهو عنصر متوفر بكثرة ورخيص يُستَخدم في الإنتاج الضخم للرقائق الحاسوبية، حيث تُدمج مكونات مثل كواشف الضوء، والمفاتيح البصرية، وأدلة الموجات البصرية، والمُعدِّلات البصرية على ركيزة سيليكونية.
تُعالج شريحة الفوتونيات السيليكونية (SiPh) في هذه الدراسة المواد على المستوى النانوي لإجراء حسابات رياضية باستخدام الضوء. تعد هذه الطريقة لتفاعل موجات الضوء مع المادة بتطوير حواسيب تتجاوز القيود الحالية للرقائق الحالية.
“قررنا توحيد الجهود”، قال الأستاذ ه. نيدويل رامسي نادر إنغيتا، مشيراً إلى تطوير أجهزة سيليكون نانوية من قبل مجموعة البحث التي يقودها فيروز أفلاتوني، وهو أستاذ مشارك في الهندسة الكهربائية والأنظمة.
كان الهدف هو تطوير منصة لإجراء ضرب المتجه بالمصفوفة (VMM)، والذي يُستخدم في تطوير وتشغيل الشبكات العصبية التي تشغّل أدوات الذكاء الاصطناعي الحالية.
وفقًا للدراسة، بينما تُجري هياكل ميتا SiPh المصممة عكسياً عمليات حسابية تماثلية بكفاءة باستخدام الموجات الكهرومغناطيسية، فإن توسيعها لتعامل مع عدد كبير من قنوات البيانات يُشكل تحديًا. لمعالجة ذلك، اعتمد الفريق نهج التصميم العكسي ثنائي الأبعاد لإنشاء أنظمة عدسات غير متبلورة مدمجة عادةً ما تكون أمامية التغذية ومنخفضة الرنين. نجحت الدراسة في إظهار حاصل ضرب المتجه بالمصفوفة لمصفوفات 2 × 2 و 3 × 3 كما صممت مصفوفة 10 × 10.
بدلاً من استخدام رقاقة سيليكون بارتفاع موحد، قام الفريق بتقليل سمك السيليكون بشكل انتقائي في مناطق محددة. تتيح هذه الاختلافات في الارتفاع التحكم في انتقال الضوء عبر الشريحة.
من خلال توزيع هذه الاختلافات، تُشتت الشريحة الضوء في أنماط محددة، مما يسمح لها بإجراء الحسابات الرياضية بسرعة الضوء، أسرع طريقة اتصال ممكنة.
وفقًا لأفلاتوني، فإن هذا التصميم جاهز بالفعل للتطبيقات التجارية بسبب القيود التي فرضتها المصانع التجارية التي أنتجت الشرائح. كما يمكن تعديل التصميم للاستخدام في وحدات معالجة الرسوميات (GPUs)، وهي دوائر إلكترونية متخصصة تشهد طلبًا هائلًا مع تزايد حماس الذكاء الاصطناعي. بدمج منصة الفوتونيات السيليكونية كملحق، يذكر أفلاتوني أنه يمكن تسريع عمليات التدريب والتصنيف.
ومع ذلك، تمتد الفوائد إلى ما هو أبعد من السرعة وكفاءة الطاقة، حيث تعزز الشريحة أيضًا الخصوصية. لذا، من خلال السماح بحدوث العديد من الحسابات في آن واحد، لا حاجة لتخزين المعلومات الحساسة في ذاكرة العمل لجهازك. يجعل هذا الحاسوب المدعوم بهذه التقنية غير قابل للاختراق عمليًا. أشار أفلاتوني إلى:
“لا يمكن لأحد اختراق ذاكرة غير موجودة للوصول إلى معلوماتك.”
ممولًا جزئيًا من منحة مكتب البحث العلمي التابع للقوة الجوية الأمريكية ضمن مبادرة البحث الجامعي المتعدد التخصصات، ومنحة أخرى من مكتب الأبحاث البحرية الأمريكي، تهدف هذه الدراسة إلى تجاوز قيود الشرائح المستخدمة اليوم، والتي تعمل وفق مبادئ سائدة منذ عقود عديدة. ولكن باستخدام طاقة الضوء، يمكن لهذا النهج الجديد تمهيد الطريق للجيل الجديد من تطوير الذكاء الاصطناعي.
الإمكانات الضخمة للفوتونيات السيليكونية
على مدى العقود القليلة الماضية، استمر البحث والتطوير في هذا المادة. مؤخرًا، حظيت الفوتونيات السيليكونية (SiPh) باهتمام متزايد بسبب الطلب المتصاعد على معالجة البيانات السريعة والفعّالة.
هذا الاهتمام المتزايد يجعل حجم السوق العالمي للفوتونيات السيليكونية قُدِّر بقيمة 1.29 مليار دولار في عام 2022 ومن المتوقع أن ينمو بمعدل نمو سنوي مركب (CAGR) قدره 25.8٪ بحلول نهاية هذا العقد، وفقًا لتقارير Grand View Research. يعود هذا النمو إلى الحاجة إلى معدلات نقل بيانات أعلى وتطبيقات تتطلب نطاق تردد عريض.
تُعد SiPh المنصة المثالية هنا بفضل كفاءتها الاقتصادية وكثافة دمجها العالية. بالإضافة إلى أن SiPh متوافقة مع التصنيع الإلكتروني، يمكن تصنيع دوائر الفوتونيات المتكاملة (PICs) باستخدام بنية المصانع القائمة. كما أن SiPh لديها القدرة على دمج مئات إلى آلاف الأجهزة في دوائر PICs معقّدة، مع قابلية التصميم والتصنيع التي تشبه CMOS، مما يفتح تطبيقات جديدة عند تقاطع الفوتونيات والحوسبة.
وبالتالي، من خلال نقلها عالي السرعة، وكثافة دمجها العالية، وخصائصها البصرية الممتازة، واستهلاكها المنخفض للطاقة، وتكلفتها التصنيعية المعقولة نسبيًا، أصبحت الفوتونيات السيليكونية تقنية قيمة في مجموعة متنوعة من المجالات.
على سبيل المثال، يجري البحث حول تطبيق الفوتونيات السيليكونية في تقنية LiDAR للقيادة الذاتية والأتمتة الصناعية. يستخدم LiDAR الضوء المنعكس عن الأسطح بدلاً من إشارات التردد الراديوي (RF) لتحليل وتوفير معلومات حيوية عن البيئة المحيطة.
علاوة على ذلك، يمكن استخدام الفوتونيات السيليكونية في الاستشعار (أي الاستشعار البصري)، حيث يمكن أن يساعد نقل الإشارة واستلام الإشارة البصرية المرسلة في تحديد خصائص البيئة المحيطة. يمكن أن يكون ذلك مفيدًا لتطبيقات الصحة وتطبيقات الأجهزة القابلة للارتداء في مجال الصحة.
إلى جانب المركبات الذاتية والاستشعار، تم استكشاف استخدام الفوتونيات السيليكونية في مجال الاتصالات، والاتصالات الكمومية، والطب الحيوي، والفضاء الجوي، وعلم الفلك، والواقع المعزز/الواقع الافتراضي. كما تُظهر الفوتونيات السيليكونية وعدًا للتكامل الكامل ومعالجة المعلومات الكمومية الضوئية على نطاق واسع.
ثم هناك الذكاء الاصطناعي، الذي يتطلب حوسبة عالية الأداء. مع وصول هوس الذكاء الاصطناعي إلى مستويات جديدة ومن المتوقع أن يستمر في النمو، تواجه صناعة الشرائح حاجة ملحة للابتكار. تعمل بجد على وضع المزيد من الترانزستورات على شريحة واحدة لتعزيز قدرة المعالجة وكفاءة الطاقة بشكل كبير. تُعد هذه التحسينات ضرورية لتدريب وتشغيل خوارزميات الذكاء الاصطناعي بدقة وسرعة وتكلفة أقل.
في محاولة للفوز بسباق أشباه الموصلات، حتى الصين تبني خط إنتاج شرائح فوتونية بسبب سرعتها الحسابية الأعلى وسعة معلوماتها الأكبر، والتي ستكون أعلى بكثير من الشرائح القائمة على السيليكون.
مُغيّر قواعد اللعبة للذكاء الاصطناعي
لا تظهر موجة الحماس للذكاء الاصطناعي أي علامات على التباطؤ. لقد ظهرت هذه الموجة الجديدة من التقدم التكنولوجي كقوة قوية ستُحدث ثورة في العديد من الصناعات وتُعيد تشكيل المستقبل. مع تحول الذكاء الاصطناعي إلى جزء أساسي من حياتنا اليومية وتعقُّد التطبيقات التي تعتمد على البيانات، يبحث الجميع من الشركات والحكومات إلى المؤسسات والعلماء عن طرق لجعله أكثر كفاءة.
هذا يدفع الناس إلى الفوتونيات السيليكونية، التي تُعد واحدة من أكثر التقنيات وعدًا لمعالجة الحسابات المعقدة والمكلفة التي تُجريها الشبكات العصبية العميقة، وهو فرع من خوارزميات التعلم الآلي يُحسّن دقة أداء النموذج. تتكون الشبكات العميقة من طبقات تحتوي على علاقات رياضية.
مع وجود مثل هذه التعقيدات، يمكن للفوتونيات السيليكونية المساعدة في تحسين الأداء وكفاءة التكلفة، مما سيحسّن وظيفة تطبيقات الذكاء الاصطناعي والتعلم الآلي. يحتاج عالم الذكاء الاصطناعي/التعلم الآلي إلى تبادل البيانات بسرعة مع استهلاك أقل للطاقة، وفي الوقت نفسه يجب الحفاظ على كثافة حسابية عالية.
هنا، تسمح الفوتونيات السيليكونية بتحسين التواصل بين وحدات الحوسبة. كما تتيح المادة استخدام الوصلات البصرية قصيرة المدى لنقل البيانات بكفاءة على مسافات قصيرة نسبيًا داخل تطبيقات الذكاء الاصطناعي/التعلم الآلي. يُعد النقل السريع للبيانات أمرًا أساسيًا لاتخاذ القرارات في الوقت الفعلي.
بهذه الطريقة، تُسهم الفوتونيات السيليكونية في الفعالية العامة وأداء أنظمة الذكاء الاصطناعي. من خلال الاستفادة من هذه المادة، يمكن للشركات أيضًا فتح قدرات حسابية أكبر والحصول على نتائج أكثر دقة واستجابة.
تُعد الفوتونيات السيليكونية مناسبة بشكل خاص للحوسبة بفضل قدرة هذه الدوائر على أن تكون أسرع من الدوائر الإلكترونية التقليدية. علاوة على ذلك، فإن معالجتها البصرية بطبيعتها متوازية، مما يجعل من الممكن تنفيذ عمليات متعددة في آن واحد.
تسمح الفوتونيات السيليكونية أيضًا بدمج المكونات الأساسية بتركيبات متعددة لبناء دوائر معقدة للغاية، مما يتيح إنشاء أنظمة متقدمة مُصمَّمة لتطبيقات محددة.
مستقبل الفوتونيات السيليكونية في مجال الذكاء الاصطناعي، كما نرى، مشرق، نظرًا لإمكاناتها في تحويل خوارزميات الذكاء الاصطناعي وتعزيز قدرات الأنظمة. إنه وقت مثير للفوتونيات السيليكونية، بلا شك.
انقر هنا لتتعرف على كل ما يتعلق بالاستثمار في الذكاء الاصطناعي.
نظرة على مصنّعي الشرائح الشهيرين
الآن، دعونا نلقي نظرة على بعض الأسماء البارزة التي تعمل في مجال تصنيع الشرائح:
#1. NVIDIA Corporation
القائد في صناعة الشرائح، نيفيديا، هو حاليًا ثالث أكثر الشركات قيمة في سوق الأسهم الأمريكية. في النهاية، يسيطر على حوالي 80٪ من سوق شرائح الذكاء الاصطناعي. مع تداول أسهمه بسعر 793.50 دولار، حققت الشركة قيمة سوقية تبلغ 1.95 تريليون دولار.
(NVDA )
ارتفعت أسهم نيفيديا بشكل هائل وهي الآن بارتفاع 58.6٪ منذ بداية العام. ومع ذلك، تمتلك الشركة ربحية السهم (EPS) للـ 12 شهرًا الأخيرة (TTM) بقيمة 11.93، ونسبة السعر إلى الربحية (P/E) للـ 12 شهرًا الأخيرة (TTM) تبلغ 65.84، وعائد حقوق الملكية (ROE) للـ 12 شهرًا الأخيرة (TTM) بنسبة 69.17٪. كما تدفع عائد توزيعات بنسبة 0.02٪.
As demand surges worldwide across industries and nations, Nvidia reported its fourth-quarter results, with revenue more than tripling to $22.1 billion. According to CEO and co-founder Jensen Huang:
“Accelerated computing and generative AI have hit the tipping point.”
الطلب المتزايد على شرائحها يدفع الشركة لتوقع نمو بنسبة 233٪ في إيرادات الربع الأول. تُعد شريحة مركز البيانات H100 هي ما يساعد الشركة على قيادة مجال الذكاء الاصطناعي. تم تحسينها لمعالجة كميات هائلة من البيانات والحسابات بسرعات عالية، مما يجعلها حلاً مثاليًا للمهام ذات الاستهلاك العالي للطاقة لتدريب نماذج الذكاء الاصطناعي.
انقر هنا لتتعرف على كل ما يتعلق بالاستثمار في شركة NVIDIA Corporation (NVDA).
#2. Intel Corporation
تعود شركة إنتل الأمريكية إلى الصدارة مع توسع أعمالها في مجال المصانع التي تصنع تصاميم الشرائح لشركات أخرى. اختارت مايكروسوفت الشركة لتصنيع أشباه الموصلات المتقدمة و”إعادة بناء التصنيع الغربي على نطاق واسع.”
ستُصمم الشريحة باستخدام عقدة 18A من إنتل، وهي عملية تصنيع تجعل أشباه الموصلات أصغر وأكثر كفاءة في استهلاك الطاقة. وقالت وزيرة التجارة الأمريكية جينا ريموندو إن “إنتل هي شركة الشرائح الوطنية للبلاد”، مشيرة إلى أن جوجل، وOpenAI، وغيرهما من الشركات التي تبني نماذج اللغة الكبيرة ستحتاج إلى حجم “مذهل” من أشباه الموصلات في السنوات القادمة.
(INTC )
في وقت كتابة هذا المقال، تُتداول أسهم إنتل بسعر 43.12 دولار، بانخفاض 14.47٪ منذ بداية العام، مما يضع القيمة السوقية للشركة عند 181.7 مليار دولار. لديها ربحية السهم (EPS) للـ 12 شهرًا الأخيرة (TTM) بقيمة 0.38، ونسبة السعر إلى الربحية (P/E) للـ 12 شهرًا الأخيرة (TTM) تبلغ 113.46، وعائد حقوق الملكية (ROE) للـ 12 شهرًا الأخيرة (TTM) بنسبة 1.63٪. كما تدفع عائد توزيعات بنسبة 1.16٪. وفقًا للرئيس التنفيذي لإنتل بات جيلسينجر:
“يبدو أن الطلب العام (على شرائح الذكاء الاصطناعي) لا يشبع لعدة سنوات قادمة.”
#3. Samsung
تخطط شركة سامسونج الكورية الجنوبية العملاقة لإطلاق تقنية شريحة 2 نانومتر لتتفوق على باقي مصنّعي الشرائح. وفقًا لخطة منتدى المصانع (SFF) الخاص بسامسونج، ستبدأ الشركة بإنتاج عملية 2 نانومتر على نطاق واسع في عام 2025 لتطبيقات الهواتف المحمولة، وستنتقل إلى تطبيقات الحوسبة عالية الأداء في العام التالي، ثم إلى صناعة السيارات. بعد عام آخر، من المتوقع أن تبدأ سامسونج عملية 1.4 نانومتر.
تبلغ القيمة السوقية للشركة 373 مليار دولار، وتُتداول أسهمها بسعر 1,373 دولار. تمتلك سامسونج نسبة السعر إلى الأرباح (PE Ratio) للـ 12 شهرًا الأخيرة (TTM) تبلغ 14.25، وربحية السهم (EPS) للـ 12 شهرًا الأخيرة (TTM) بقيمة 96.44، وتدفع عائد توزيعات بنسبة 1.98٪. خلال تقريرها المالي للربع الرابع من عام 2023، أشارت سامسونج إلى أن قسم المصانع لديها أبرم صفقة للحصول على شرائح AI 2 نانومتر من شركة الذكاء الاصطناعي اليابانية Preferred Networks (PFN)، التي كانت تعمل سابقًا مع شركة تصنيع أشباه الموصلات التايوانية (TSMC).
تتعاون شركة تصنيع الشرائح أيضًا مع شركة Arm لتحسين نواة Cortex-X على أحدث تقنيات تصنيع الشرائح لديها، GAA. في أواخر العام الماضي، وقعت سامسونج أيضًا مع Tenstorrent، التي تهدف إلى تحدي نيفيديا كعميل لها.
الخلاصة
مع تقدم الذكاء الاصطناعي وزيادة الطلب على قوة حوسبة أكبر، برزت الفوتونيات السيليكونية كتقنية واعدة، حيث يمكنها تقليل زمن الاستجابة مع زيادة الكفاءة من خلال تمكين تصنيع المكونات الفوتونية على السيليكون باستخدام عمليات تصنيع أشباه الموصلات القياسية.
على الرغم من أن الفوتونيات السيليكونية تتمتع بالعديد من المزايا، إلا أنها لن تحل محل الشرائح الإلكترونية في أي وقت قريب. ذلك لأن قدرات الفوتونيات السيليكونية لا تزال مركزة بشكل ضيق وتواجه حواجز تقنية من حيث تطوير البرمجيات لتحسين إمكاناتها. لذا، سيستغرق الأمر بعض الوقت قبل أن يصبح استخدام الفوتونيات السيليكونية واسع الانتشار، ولكن هذه التقنية لا تزال في بدايتها، ومع معدل تقدم تكنولوجيا الذكاء الاصطناعي، يمكن بالتأكيد تسريع ذلك.
