شبكات الموجة الدورانية: القفزة التالية في الحوسبة الذكية الفعالة

الذكاء الاصطناعي (AI) هو تغيير الطريقة التي نتعامل بها مع قدرتها على إحداث ثورة في الصناعات، فإن التكنولوجيا متوقع لتوليد تريليونات من القيمة.

من الرعاية الصحية إلى التعليم والنقل والترفيه والتمويل، عزز الذكاء الاصطناعي الكفاءة والدقة بشكل كبير في جميع القطاعاتساهم الذكاء الاصطناعي أيضًا في تحسين كفاءة الطاقة. على سبيل المثال، تعاون علماء من جميع أنحاء العالم خلق¹ فئة جديدة من المواد باستخدام الذكاء الاصطناعي الذي يساعد على تقليل تكاليف الطاقة.

ولكن ماذا عن احتياجات الطاقة الهائلة للذكاء الاصطناعي نفسه؟ يُمثل الذكاء الاصطناعي المُتعطش للطاقة تحديًا كبيرًا. مع النمو السريع في تطبيقات الذكاء الاصطناعي، الطلب على الطاقة كما يتزايد استهلاك الطاقة بشكل كبير، مما يضع بدوره ضغطًا على البنية التحتية للطاقة لدينا.

تزداد نماذج التعلم الآلي تعقيدًا يومًا بعد يوم. وكلما ازداد حجمها وتطورها، زادت الموارد اللازمة لتدريبها وتشغيلها. 

تدريب نماذج التعلم الآلي يتطلب لا يتعلق الأمر فقط بالموارد الحاسوبية، بل أيضًا بالطاقة والمياه لمراكز البيانات التي تضم البنية التحتية لتكنولوجيا المعلومات اللازمة لتدريب ونشر وتقديم تطبيقات وخدمات الذكاء الاصطناعي.

كان فيجاي جاديبالي، وهو عالم كبير في مركز الحوسبة الفائقة لمختبر لينكولن التابع لمعهد ماساتشوستس للتكنولوجيا (LLSC)، قال ما يلي منذ بضع سنوات عندما كان الوضع لا يزال يتطور:

"ومع انتقالنا من النص إلى الفيديو إلى الصورة، أصبحت نماذج الذكاء الاصطناعي هذه أكبر وأكبر، كما يتزايد تأثيرها في مجال الطاقة. ومن المتوقع أن يؤدي هذا إلى زيادة كبيرة في استخدام الطاقة ومساهمة متزايدة في الانبعاثات في جميع أنحاء العالم."

وكما تتوقع وكالة الطاقة الدولية، فإن الطلب العالمي على الكهرباء من مراكز البيانات سوف يرتفع مضاعفة من حوالي 460 تيراواط/ساعة في عام 2022 إلى 1,000 تيراواط/ساعة في عام 2026، وهو ما يعادل تقريبًا استهلاك الكهرباء في اليابان.

لقد وصل بالفعل استهلاك الكهرباء من مراكز البيانات إلى حوالي 1.5% من استهلاك الكهرباء العالمي.

كما أظهرت دراسة جديدة أصدرتها منظمة اليونسكو وكلية لندن الجامعية (UCL) يحذر أن متطلبات الطاقة للذكاء الاصطناعي، وخاصة نماذج اللغة الكبيرة (LLMs)، قد وصلت إلى مستويات غير مستدامة، و ولتغيير هذا، "نحن بحاجة إلى تحول نموذجي في كيفية استخدامنا له".

وفقًا لتقريرهم، فإن أدوات الجيل الجديد من الذكاء الاصطناعي هي تم استخدامها من قبل أكثر من مليار شخص يوميًا، مع يستهلك كل تفاعل حوالي 0.34 واط/ساعة من الطاقة لكل إشارة. وجاء فيه:

"ويصل هذا إلى 310 جيجاوات في الساعة سنويًا، وهو ما يعادل الاستخدام السنوي للكهرباء لأكثر من 3 ملايين شخص في دولة أفريقية منخفضة الدخل." 

وفي تقريرهم، اقترح فريق علماء الكمبيوتر ثلاثة ابتكارات رئيسية لتمكين تحقيق وفورات كبيرة في الطاقة. هذه يتضمن ذلك استخدام نماذج أصغر، بنفس ذكاء ودقة النماذج الكبيرة، لكنها تُقلل استهلاك الطاقة بنسبة تصل إلى 90%. كما تتوفر إرشادات واستجابات أقصر وأكثر إيجازًا، مما يُقلل استهلاك الطاقة بأكثر من 50%، بينما يُوفر ضغط النماذج ما يصل إلى 44% من الطاقة.

جعل الذكاء الاصطناعي أكثر كفاءة من خلال برامج أكثر ذكاءً وأجهزة أكثر مراعاة للبيئة

شريحة الذكاء الاصطناعي المتوهجة المدمجة في ورقة خضراء ترمز إلى الذكاء الاصطناعي الموفر للطاقة

ليس م عدد متزايد من الأفراد بشكل متزايد اعتماد الذكاء الاصطناعي، لكن تدمج المزيد والمزيد من المنظمات هذه التكنولوجيا أيضًا إلى أعمالهم.

دراسة من قبل IBM معهد قيمة الأعمال (IBV) وكشفت الدراسة أن الأغلبية (77%) يشعرون بالحاجة إلى استخدام توليدي الذكاء الاصطناعي يواكب بسرعة عملائه. 

على مر السنين، عدة أخرى الابتكارات التكنولوجية، هذه as الحوسبة وقد أثاروا مخاوف مماثلة، والتي ثم تمت معالجتها من خلال ابتكارات الكفاءة. الآن يمكن القيام بنفس الشيء باستخدام الذكاء الاصطناعي. من الباحثين إلى الشركات، يعمل الجميع حاليًا على فهم تأثيره وإيجاد حلول له. حلول للتخفيف من آثارها السلبية.

وتشمل هذه الحلول استخدام الطاقة النظيفة والمتجددة، فضلاً عن النماذج الأصغر حجماً والتدريب على النماذج الأكثر ذكاءً. 

لمعالجة تحديات كفاءة الطاقة التي تفرضها الذكاء الاصطناعي، يعمل الباحثون مركزة على اثنين الجبهات:

• ابتكارات البرمجيات
• تحسينات الأجهزة

في عالم الأجهزة، يعد الحد الأقصى للطاقة حلاً يمكن يحتمل تقليل استهلاك الطاقة بنسبة تصل إلى 15%. هناك أيضًا أجهزة موفرة للكربون، والتي "تتوافق مع النموذج الذي يحتوي على مزيج من الأجهزة الأكثر كفاءة في استخدام الكربون"، وفقًا لـ معهد ماساتشوستس للتكنولوجيا. 

في مؤتمر الاستدامة الذي عقده معهد ماساتشوستس للتكنولوجيا في أكتوبر، قال جاديبالي، الذي يقود جهود البحث في مجال الطاقة في مركز خدمات التعليم المستمر، اقترح إعادة النظر في تدريب نماذج الذكاء الاصطناعي والاستثمار في أجهزة أكثر كفاءة. وقد استخدم مختبر لينكولن التابع لمعهد ماساتشوستس للتكنولوجيا توصيات جاديبالي لتقليل... الخاصة بصمة مركز البيانات.

إن استخدام أجهزة أكثر كفاءة حسابيًا ومسرعات أجهزة متخصصة يمكن أن يساهم أيضًاولكن لتوفير الطاقة. ومن المزايا الأخرى التوازي، الذي يقلل من وقت تدريب الخوارزمية بتوزيع العمليات الحسابية على عدة أنوية معالجة، والحوسبة الطرفية، التي تُجري العمليات الحسابية في مواقع جمع البيانات أو استخدامها.حلول الأجهزة.

ويتجه العلماء أيضًا إلى الدماغ البشري، الذي يحتوي على 100 مليار خلية عصبية و100 تريليون اتصالات متشابك، لجعل الآلات أفضل. 

هذه وقد أدى ذلك إلى ظهور الحوسبة العصبية، والتي، بدلًا من ذلك الاعتماد على فون نيومان التقليدي الهندسة المعمارية، يستخدم الخلايا العصبية والمشابك الاصطناعية لمعالجة المعلومات بطريقة مماثلة للدماغ لتحقيق كفاءة طاقة أكبر وقوة حسابية.

في عمل نموذج، باحثون من كلية الهندسة بجامعة سيول الوطنية المتقدمة² الأجهزة العصبية التي تعتمد على مواد هجينة عضوية وغير عضوية.

وفي حديثه عن الجزء الرئيسي من بحثهم، أشار البروفيسور هو وون جانج إلى أنه "يكمن في إثبات أن حركة الأيونات المنتظمة عبر سطح المادة أكثر أهمية لتطوير أجهزة عصبية عالية الأداء من إنشاء خيوط موضعية في أشباه الموصلات المواد."

الضوء هو طريقة أخرى لاستخدام أجهزة الذكاء الاصطناعي يجري تحسينهابدلاً من الإشارات الكهربائية، يستخدم الحوسبة الفوتونية الضوء ويسمح بإجراء عمليات متوازية مع الحد الأدنى من فقدان الحرارة. 

قبل بضعة أشهر فقط، قام باحثون من كلية كولومبيا للهندسة صدر³ منصة فوتونية إلكترونية ثلاثية الأبعاد تحقق كفاءة عالية في استخدام الطاقة وكثافة عالية في عرض النطاق الترددي. ولتحقيق ذلك، دمجوا الفوتونيات مع دوائر إلكترونية متطورة من نوع CMOS. توفر الشريحة الفوتونية الإلكترونية ثلاثية الأبعاد عرض نطاق ترددي عالي (3 جيجابايت/ثانية) مع استهلاك 3 فيمتو جول فقط لكل بت. انها وتتجاوز كثافة النطاق الترددي البالغة 5.3 تيرابايت/ثانية/مم2 أيضًا المعايير المرجعية الحالية.

وفي الصيف الماضي، قام باحثون من كلية العلوم والهندسة بجامعة مينيسوتا، أظهر تكنولوجيا جديدة⁴ تُسمى ذاكرة الوصول العشوائي الحسابية (CRAM) والتي يمكنها خفض استخدام الذكاء الاصطناعي للطاقة بمقدار 1,000 مرة.

مع ظهور فوتونيات السيليكون كتكنولوجيا ثورية لمسرعات الجيل التالي للتعلم الآلي، يعمل باحثون من هيوليت باكارد المختبرات لديها أدخلت⁵ منصة فوتونية سيليكونية موفرة للطاقة وقابلة للتطوير لتكون بمثابة الأساس الأساسي لأجهزة تسريع الذكاء الاصطناعي.

مسرعات الذكاء الاصطناعي الفوتونية، على عكس التقليدية، التي تعتمد على الشبكات العصبية الإلكترونية الموزعة (DNNs)، استخدم الشبكات العصبية الضوئية⁶ (ONNs) التي توفر التوازي العالي، وزمن الوصول المنخفض للغاية، وفقدان الحرارة الحد الأدنى.

في حين أنه من السهل تصنيعها، الضوئيات السيليكون يصعب مقياس؛ ومن هنا جاءت المنصة. ملفقة باستخدام فوتونيات السيليكون مع أشباه الموصلات المركبة III-V (مثل InP أو GaAs).

الآن، هناك طريقة جديدة يمكنها أن تجعل الذكاء الاصطناعي أكثر كفاءة، و وذلك بتمكين شبكات الموجات الدورانية الكبيرة من معالجة المعلومات المتقدمة. وتُعد الموجات الدورانية حلاً واعدًا لمعالجة المعلومات.

تم تحقيق هذا الاختراق في كفاءة أجهزة الذكاء الاصطناعي من قبل فريق من العلماء الألمان من جامعتي مونستر وهايدلبيرج.

بقيادة رودولف براتشيتش، أستاذ الفيزياء في مونستر، أنشأ الفريق شبكة واسعة من الموجات الدورانية التي تعالج المعلومات باستخدام طاقة أقل بكثير، مما يجعلها بديلاً واعداً للإلكترونيات كثيفة الطاقة.

الدوائر المغناطيسية القابلة للتطوير كأفق جديد في مجال الذكاء الاصطناعي الموفر للطاقة

موجات الدوران تتدفق عبر دائرة نانوية توضح الشبكات المغناطيسية

في حين أن الشبكات المغناطيسية التي تعتمد على العوازل المغناطيسية يمكن أن تحدث ثورة في معالجة المعلومات بسبب كفاءتها في استخدام الطاقة، فإن اللبنات الأساسية لهذه الشبكات، أي موجهات الموجة الدورانية، تعاني من قدرات ضبط التشتت غير الفعالة وأطوال انتشار الموجة الدورانية المحدودة.

وقد تم تناول هذه القيود من قبل فريق من العلماء من مونستر وهايدلبيرج. 

نُشر في المجلة العلمية مواد الطبيعة⁷أطلقت حملة دراسة تفصيلية لتطوير طريقة جديدة لإنشاء الموجهات الموجية التي يمكن أن تنتشر فيها موجات الدوران لمسافات بعيدة جدًا، وبالتالي بناء أكبر شبكة من الموجات الدورانية حتى الآن. 

لكن هذا ليس كل شيء. فقد تمكن الفريق أيضًا من التحكم في خصائص موجة الدوران التي تم نقله في الدليل الموجي. ل نموذج، تمكّن العلماء من تغيير طول موجة الدوران وانعكاسها بدقة عند واجهة معينة. وأشارت الدراسة إلى:

"يمكن ضبط تشتت الموجهات الموجية بشكل مستمر بسبب عملية زرع الأيونات الدقيقة والموضعية، مما يجعلها مختلفة عن الموجهات الموجية المحفورة بشكل شائع." 

دوران الإلكترون أو الزخم الزاوي الجوهري هو خاصية ميكانيكية كمية أساسية للإلكترونات، أين إن محاذاة عدة دورات تُحدد الخواص المغناطيسية. الآن، إذا كان التيار المتردد يتم تطبيقه إلى مادة مغناطيسية ذات هوائي، مجال مغناطيسي متغير ويتم إنتاج، و يمكن للدوران في المادة أن يولد موجة دوران.

الموجات الدورانية هي إثارات لمادة مغناطيسية، و إنها تقدم إمكانيات مثيرة لمعالجة المعلومات المتقدمة. 

ما يجعلهم جذابين حقًا هو خصائصهم المميزة، مثل عملية طبيعية قوية غير خطية وعالية السرعة ضمن نطاق التردد من جيجاهرتز (GHz) إلى تيراهرتز (THz).

في الآونة الأخيرة، بدأ الباحثون باستخدام موجات الدوران في الهياكل والشبكات المغناطيسية النانوية لتطبيقات معالجة الإشارات والحوسبة. ويمكن لهذه التقنية الناشئة أن تساعد في معالجة القيود الكامنة في الإلكترونيات الدقيقة لأشباه الموصلات التقليدية فيما يتعلق بالكثافة الحسابية وقدرة المعالجة عالية الأبعاد.

والأمر الأكثر أهمية هو أن البصمة المنخفضة للطاقة التي توفرها تقنية الموجة الدورانية هي ما يجعلها جذابة بشكل خاص. 

تكمن فائدة هذه التقنية في قدرتها على ترميز المعلومات ضمن طور وتردد وسعات موجات الدوران. تتيح هذه الاستراتيجية، كما هو الحال مع الموجات الكهرومغناطيسية، نطاقًا مرنًا لمعالجة البيانات بالاستفادة من اعتماد خصائص الانتشار على هذه المعلمات.

موجات الدوران يتم استخدامها حاليا لإنشاء مكونات فردية مختلفة. بوابات منطقية تُجري عمليات منطقية على مدخلات ثنائية لإنتاج مخرج ثنائي واحد. . مثال واحد. أجهزة الإرسال المتعدد هي نوع آخر من الأجهزة الذي يختار واحدة من عدة إشارات إدخال. 

وتشمل الأمثلة الأخرى المعابر، والمقرنات، والذاكرات، وبوابات الأغلبية، ومضاعفات الإرسال، وأجهزة قياس التداخل، والمقسمات، ومحللات الطيف. 

يمكن لجميع هذه الأجهزة أن تعمل إما بشكل مستقل كوحدات معالجة معلومات أو أن تندمج في شبكات أكبر وأكثر تعقيدًا ذات وظائف متقدمة.

في شبكة كبيرة، الروابط بين العناصر عبارة عن موجهات مخصصة لموجات الدوران. تعتبر هذه الموجهات الموجية مهمة لحصر موجات الدوران وتوجيهها من عنصر إلى آخر، as تتطلب هذه الموجهات الموجية ومجموعاتها خسائر انتشار ضئيلة. كأجهزة موجة الدوران الوظيفية.

ومع ذلك، لم يتم ربط المكونات لتشكيل وحدة أكبر. الدارة الكهربائية الى الآن.

"إن حقيقة أن الشبكات الأكبر مثل تلك المستخدمة في الإلكترونيات لم يتم تطويرها بعد كان أدرك, يرجع ذلك جزئيًا إلى التوهين القوي لموجات الدوران في الموجهات الموجية التي تربط التبديل الفردي عناصر - وخاصة إذا كانت أضيق من الميكرومتر وبالتالي على مقياس النانو.

- الفيزيائي البروفيسور براتشيش

لذا، ما فعله الفريق للتغلب على هذه المشكلة هو أنهم استخدموا المادة التي تحتوي حاليًا على أقل قدر من التوهين، وهي عقيق الحديد الإيتريوم (YIG). إنها تتمتع بأدنى مستوى للتخميد وأعلى مستوى لانتشار موجات الدوران، حيث تصل إلى ملليمترات. 

أما بالنسبة لتحقيق الموجهات الموجية لموجات الدوران، فإن الطرق الليثوغرافية تستخدم عادة. لإنشاء موجهات موجية نانوية في YIG، يتم استخدام نهج التصنيع المتقدم مبني على حول النقش الأيوني التفاعلي لأغشية YIG الرقيقة. ولكن حتى مع أغشية YIG عالية الجودة وعمليات النقش المتطورة، فإن أقصى طول انتشار كان هذا تم الإبلاغ عن 54 ميكرومتر.

يعد تطوير الهياكل الهجينة نهجًا ناشئًا آخر حيث يتم دمج أفلام YIG مع خطوط نانوية من المعدن المغناطيسي لتحديد قنوات نقل الموجة الدورانية النانوية من خلال الاقتران ثنائي القطب، التي يُنشئ أطوال انتشار موجة الدوران تبلغ حوالي 20 ميكرومتر.

ثم هناك عملية زرع الأيونات، والتي تم استخدامه مؤخرًا للتحكم بموجات الدوران في YIG. مكّنت تقنية كتابة حزمة الأيونات المركزة من تعديل أغشية YIG بدقة على مقياس دون الميكرومتر.

لذا، استخدم العلماء 110 نانومترًا متاحًا تجاريًا سميك فيلم من المادة المغناطيسية YIG ثم تم نقش موجات موجية فردية فيه باستخدام شعاع من السيليكون أيونات (+H) . 

أتاحت عملية الزرع بدون قناع إنشاء هياكل موجات دورانية متعددة مصممة خصيصًا على ركيزة واحدة. والأهم من ذلك، إمكانية توسيع نطاقها لتصنيع دوائر متكاملة مغناطيسية بحجم رقاقة. 

صُنع هوائي شريطي دقيق من الذهب باستخدام فيلم طباعة شعاعية إلكترونية لإثارة موجات الدوران بإشارة ميكروويف مستمرة. وطُبّق مجال مغناطيسي خارجي ساكن داخل المستوى H0 بقيمة μ0H0 = 50 ميلي تسلا لإطلاق موجات دورانية سطحية.

بهذه الطريقة، تمكنوا من إنتاج شبكة كبيرة تضم 198 عقدة، مما فتح الباب أمام دوائر مغناطيسية متكاملة واسعة النطاق. كما مكّن ذلك من بناء هياكل معقدة عالية الجودة. سيتم إنشاء قابلة للتكرار والمرونة.

علاوة على ذلك، حقق الفريق طول انتشار موجة الدوران لأكثر من 100 ميكرومتر، و سمح لهم نهجهم الخالي من الحفر بالحصول على شبكة موجات دوران متكاملة تتكون من 34 منفذ إدخال و34 منفذ إخراج متوازيين. وذكرت الدراسة:

"تمهد هذه النتائج الطريق لتحقيق شبكات مغناطيسية متقدمة ذات تحكم لا مثيل له وطرق مثيرة لتحقيق أنظمة الحوسبة الموجية الدورانية واسعة النطاق ومنخفضة الخسارة." 

الاستثمار في الذكاء الاصطناعي الفعال

في عالم الذكاء الاصطناعي، شركة NVIDIA (NVDA -0.79٪)
هي الرائدة بلا منازع بفضل مُسرّعات الذكاء الاصطناعي ورقائقها. أكبر شركة في العالم من حيث القيمة السوقية، والتي تتجاوز 4 تريليونات دولار. نفيديا كما استثمرت أيضًا في الهندسة المعمارية الموفرة للطاقة.

شركة NVIDIA (NVDA -0.79٪)

تقدم وحدات معالجة الرسومات من Nvidia تحسينات في الأداء لكل واط. وتَعِد بنية Blackwell، على وجه الخصوص، بجيل جديد من الذكاء الاصطناعي بتريليون معلمة. ماجستير في القانون بتكلفة أقل واستهلاك أقل للطاقة يصل إلى 25 مرة من هندسة هوبر السابقة.

بلاكويل، التي أسسها جينسن هوانج، الرئيس التنفيذي, وقال في العام الماضي، مصمم "أن تكون ذات أداء عالٍ وكفاءة عالية في استخدام الطاقة."

تقدم Nvidia أيضًا أنظمة تبريد سائلة، NVIDIA GB200 NVL72 وNVIDIA GB300 NVL72، للتعامل مع المهام الصعبة لاستدلال LLM مع بنيتها المحسّنة خصيصًا لدقة التوسع والأداء في وقت الاختبار.

تشارك شركة التكنولوجيا العملاقة أيضًا في أبحاث وتطوير الذكاء الاصطناعي الطرفي من خلال منصة NVIDIA EGX™‎، التي تجمع بين الحوسبة القوية والإدارة عن بُعد والأنظمة والبرامج لإيصال الذكاء الاصطناعي إلى مستوى الحافة. صُممت منصة NVIDIA IGX Orin™‎ للبيئات الصناعية والطبية. في حين منصة NVIDIA Jetson™ هي الحل الروبوتي الخاص بها.

مجال آخر من مجالات البحث في إنفيديا هو الفوتونيات. في وقت سابق من هذا العام، أعلنت الشركة عن مفاتيح الشبكات الفوتونية السيليكونية الجديدة المدمجة لربط ملايين وحدات معالجة الرسومات (GPUs) عبر المواقع، مع تقليل استهلاك الطاقة وتكاليف التشغيل. 

"من خلال دمج فوتونيات السيليكون مباشرة في المفاتيح، تحطم NVIDIA القيود القديمة للشبكات الضخمة وشبكات المؤسسات وتفتح الباب أمام مصانع الذكاء الاصطناعي التي تحتوي على مليون وحدة معالجة رسومية.

– هوانغ

تستخدم التقنية الجديدة أشعة ليزر لإرسال المعلومات عبر كابلات الألياف الضوئية بين الرقاقات. ستُطرح هذه التقنية في وقت لاحق من هذا العام، وربما حتى عام ٢٠٢٦.

وقد نظرت الشركة أيضًا في استخدام هذه التقنية على نطاق أوسع في شرائح وحدة معالجة الرسومات الرئيسية الخاصة بها، ولكنها لا تخطط حاليًا للقيام بذلك حتى الآن، حيث لا تزال اتصالات النحاس التقليدية أكثر موثوقية "بمقدار أوامر الحجم" من الاتصالات الضوئية المجمعة.

كان أداء إنفيديا في السوق استثنائيًا بكل المقاييس. في أكتوبر 2022، انخفض سعر سهم إنفيديا إلى أقل من 11 دولارًا أمريكيًا، ويتداول حاليًا فوق 165 دولارًا أمريكيًا. وبذلك، بلغ ربح السهم الواحد (لآخر 3.10 سنوات) 53.12، ونسبة السعر إلى الربحية (لآخر XNUMX سنوات) XNUMX. كما تُقدم الشركة عائدًا على الأرباح. رغم أن فقط 0.02٪.

أما بالنسبة للبيانات المالية، ففي الربع الأول من السنة المالية 2026، أعلنت شركة إنفيديا عن إيرادات بلغت 44.1 مليار دولار، بزيادة قدرها 12% عن الربع الرابع، في حين بلغت إيرادات مراكز البيانات 39.1 مليار دولار، بزيادة قدرها 10% عن الربع السابق.

وأشار هوانج إلى أن الطلب على البنية التحتية للذكاء الاصطناعي التي توفرها الشركة "قوي بشكل لا يصدق".

أحدث أخبار وتطورات أسهم شركة NVIDIA Corporation (NVDA)

الخاتمة

مع استمرار العالم في تبني الذكاء الاصطناعي، الذي يعد بزيادة الكفاءة، وتعزيز الإنتاجية، وتحسين عملية اتخاذ القرار، والتجارب الشخصية، من المتوقع أن يشهد سوق هذه التكنولوجيا القوية نموًا سريعًا. من المتوقع أن تصل قيمتها إلى مليارات الدولارات في عام 2025.

ولكن مع نمو الطلب على الذكاء الاصطناعي الذي يستهلك الكثير من الطاقة، do احتياجاتها من الطاقة، مما يعني الضغط على شبكات الطاقة وارتفاع انبعاثات الغازات المسببة للاحتباس الحراري.

من أجل تحقيق الذكاء الاصطناعي الفعال حقًا، هناك حاجة إلى جهود منسقة في تطوير كل من البرامج والأجهزة. وعلى هذه الخلفية، ظهرت ابتكارات مثل تدريب النماذج الأكثر ذكاءً، والنماذج الأصغر، والمطالبات الموجزة، وضغط النماذج، الحوسبة العصبية، والذكاء الاصطناعي الحافة، و الضوئيات يمكن أن يساعد ذلك في خلق مستقبل حيث لا يتعين على الحجم أن يأتي مع متطلبات طاقة غير مستدامة.

هنا، و آخر قد يؤدي الاختراق في مجال الحوسبة الموجية الدورانية إلى تحديد مستقبل الحوسبة منخفضة الطاقة وعالية الأداء، مما قد يصبح أساسًا لهندسة الذكاء الاصطناعي من الجيل التالي.

انقر هنا لمعرفة كل شيء عن الاستثمار في الذكاء الاصطناعي.

المراجع:

شياو، سي؛ ليو، م؛ ياو، ك؛ وآخرون. مُصدرات حرارية فائقة النطاق العريض وانتقائية النطاق باستخدام التعلم الآلي. مجلة نيتشر ٢٠٢٥، ٦٤٣، ٨٠-٨٨. https://doi.org/10.1038/s41586-025-09102-y
2. كيم، إس جيه؛ إيم، آي إتش؛ بايك، جيه إتش؛ وآخرون. مصفوفات هاليد بيروفسكايت ثنائية الأبعاد قابلة للبرمجة خطيًا مع مقاومة ذاكرية للحوسبة العصبية الشكلية. نات. تقنية النانو. 2025 2083-92. https://doi.org/10.1038/s41565-024-01790-3
3. دودلين، س.؛ ريزو، أ.؛ لي، س.؛ وآخرون. التكامل الفوتوني ثلاثي الأبعاد لروابط البيانات بين الشرائح منخفضة الطاقة للغاية وعالية النطاق الترددي. مجلة الفوتون الوطنية. 2025، 19، 502-509. https://doi.org/10.1038/s41566-025-01633-0
4. Lv، Y.؛ Zink، BR؛ Bloom، RP؛ وآخرون. عرض تجريبي لذاكرة الوصول العشوائي الحاسوبية القائمة على الوصلة النفقية المغناطيسية. npj Unconv. Comput. 2024 1، 3. https://doi.org/10.1038/s44335-024-00003-3
5. توسون، ب.؛ شياو، إكس.؛ تشيونغ، إس.؛ يوان، ي.؛ بينج، ي.؛ سرينيفاسان، إس.؛ وآخرون. منصة الأجهزة الفوتونية المتكاملة واسعة النطاق لمسرعات الذكاء الاصطناعي/التعلم الآلي الموفرة للطاقة. IEEE J. Sel. قمة. إلكترون الكم. 2025, 31(3) المادة 8200326. https://doi.org/10.1109/JSTQE.2025.3527904
6. فو، ت.؛ تشانغ، ج.؛ صن، ر.؛ وآخرون. الشبكات العصبية البصرية: التقدم والتحديات. علوم الضوء. تطبيق 2024 13، 263. https://doi.org/10.1038/s41377-024-01590-3
7. بنسمان، ج.؛ شميدت، ر.؛ نيكولاييف، ك. أو.؛ وآخرون. موجهات موجية قابلة للضبط بالتشتت ومنخفضة الخسارة ومُزرعة لموجات الدوران للشبكات المغناطيسية الكبيرة. نات. الأم. 2025. https://doi.org/10.1038/s41563-025-02282-y