光を利用したチップがAIの効率を100倍向上させる

フロリダ大学の研究者は、AIを新たな高みに押し上げることを目的とした光を利用したチップを発表しました。この特定の用途向けに設計されたマイクロチップは、電子ではなく光子を利用して、今日の最も高度なオプションに相当するパフォーマンスを提供しますが、エネルギーを大幅に削減しています。ここでは、光を利用したチップがAI技術をこれまで以上に推進する方法について説明します。

AIに新しいハードウェアソリューションが必要な理由

AIシステムが今日の最も高度なテクノロジーの多くに不可欠になるにつれ、現在の戦略に亀裂が生じています。今日のアプローチは、パフォーマンスを向上させるためにアルゴリズムを不断に進化させています。在過去、この戦略は効果的でした。なぜなら、AIエンジニアはハードウェアの障壁に当たることなく、パフォーマンスを向上させるためにより効率的で特定の用途向けに設計されたアルゴリズムを開発できたからです。

計算要求

しかし、今日のAIエコシステムは、ハードウェアが増加する計算要求に追いつけていないことです。チップを横断する電子の移動に要する時間などの小さな技術的制限は、AIのパフォーマンスを先に進める上で制限要因となっていることが証明されています。

エネルギー消費

この計算オーバーヘッドは、追加のエネルギー要求とともに来ます。AIシステムを動かすために使用されるチップが増えるにつれ、エネルギー消費も増えます。今日の最も強力なAIシステムでは、都市全体のエネルギーを消費するほどの大規模なデータセンターが必要です。

スケーラビリティの制限

これらの要件は、現在のAIシステムのスケーラビリティに上限を設けています。这些制限を超えるために、AIエンジニアは、チップの速度の向上が停滞しているため、AIタスクの計算要求を削減する必要があります。この戦略の一環として、科学者は、畳み込み演算の計算要求を削減する方法を検討し始めています。

AIでの畳み込みがなぜ電力消費が大きいか

畳み込み演算は、AIシステムが実行する重要なタスクです。この用語は、ニューラルネットワークがパターンを識別する方法を指します。注目に値するのは、畳み込みは複数のソースを横断して、テキスト、画像、ビデオファイルを介してパターンを識別できることです。このプロセスは、現代のAIの核心コンポーネントであり、最も電力消費の大きい側面です。注目に値するのは、一部のAIシステムでは、畳み込みのために総電力消費の約90%が使用されていることです。

光を利用したチップの研究

研究¹ 近エネルギー無料の光子フーリエ変換による畳み込み演算の加速¹ は、効率的でコンパクトで低遅延の畳み込み能力を提供する光子チップの設計について説明しています。この設計では、シリコンチップ上に微小な光学部品を統合し、より高速な処理と削減されたエネルギー要求の扉を開きます。

光ジョイント変換相関器 (pJTC)

光ジョイント変換相関器は、レーザー光を使用してデータを符号化し、伝送します。この戦略により、電子データ伝送を使用せずに、高速度計算が実行できます。レーザー光で符号化された信号は、効率的でクールな特殊レンズを介して送信およびキャプチャされます。

Source – Advanced Photonics

フレネルレンズ

エンジニアは、このタスクを実行するために微小な超薄レンズを設計しました。具体的には、チップに直接小さなフレネルレンズのペアが刻まれました。これらのレンズは、人間の髪の毛よりも薄く、巨大な灯台で使用されているものと同様の設計です。鋭く、焦点を当てた設計により、光データ伝送を正確に誘導できます。

フーリエ変換

プロセスは、チップがデータをレーザー光に転送し、それをフレネルレンズを介して誘導することから始まります。レンズは光パターンを登録し、それをデジタル信号に変換し、追加の処理タスクを可能にします。この戦略により、電子の速度による遅延が除去され、システムの運用コストが削減され、独自の機能が可能になります。

波長多重化

光を利用したチップの真のスケーラビリティブーストは、波長多重化の形式で来ます。波長多重化とは、同じチップ上で並列計算を実行するために、異なる色のレーザーを使用することを指します。これは、他の媒体でのデータ伝送とストレージを改善するための一般的な方法です。

光を利用したAIチップにこれを統合することで、エネルギー要求の増加なく大幅なパフォーマンスブーストが可能になります。具体的には、光を利用したチップは、同等のパフォーマンスを持つ従来のAIチップと比較して、100倍の電力消費の削減を実現しました。

光を利用したチップのテスト

エンジニアは、光を利用したチップが最小限のエネルギー使用でトップクラスのパフォーマンスを提供できることを証明するために、複数のテストを実行しました。最初のテストの1つは、AIを使用して手書きの数字を分類することでした。チームはまた、プロセス中にシステムのエネルギー要求とデータスループットをテストしました。彼らの結果は印象的なものです。

光を利用したチップのパフォーマンス結果

パフォーマンスについては、チップは、高性能の従来の電子チップと同等のデータ処理を提供します。具体的には、手書き分類テストで98%の精度を達成しました。結果は、エンジニアが入力信号に時間遅延を追加し始めた後でも同じままでした。

チップの多重化能力は、信頼性の高いパフォーマンスを示しました。新しいアーキテクチャは、例外的なスループットを提供し、ほぼゼロのエネルギー消費で高レベルの計算を実行できます。これらのテストは、AI業界のニーズに応じてスケールアップできる持続可能なデータセンターの扉を開きます。

スワイプしてスクロール →

光を利用したチップの利点

光を利用したチップの研究によって市場に導入された利点は数多くあります。まず、その設計により計算複雑さが削減されます。今日の電子ベースのチップはすでに原子スケールのデバイスを使用しており、高価な製造方法が必要です。光学ベースのチップには、より少ないコンポーネントが必要であり、より優れた結果が得られます。

低遅延

エンジニアは、AIタスクをサポートするために特に設計された光ベースの畳み込みアクセラレータを作成するという目標を達成しました。マルチプレクシング波導能力により、チップは競合するパフォーマンスと無比の効率を提供します。したがって、これは、将来、より速く、より優れたAIモデルを作成するための鍵となる可能性があります。

効率

世界が国連の純ゼロ炭素排出目標を達成するには、エネルギー消費の削減に焦点を当てる必要があります。このチップの設計は、エネルギー使用を最大100倍削減しながら、最小限のフォームファクタを維持します。注目に値するのは、この研究が、AIに焦点を当てた最初の光子チップの設計であり、追加の電力を必要とせずに重要なパフォーマンスを達成します。

スケーラビリティ

この戦略のスケーラビリティは無比です。世界中でデータセンターが増えるにつれ、エネルギー効率の良いチップソリューションの需要が増加します。この戦略により、複数のデータストリームを同時に処理することで伝送制限を緩和し、将来、低エネルギーデータセンターを構築するための扉を開きます。

光を利用したチップの実世界での応用とタイムライン:

光を利用したチップには、複数の応用があります。まず、このデバイスは、研究とイノベーションを推進するのに役立ちます。AIに焦点を当てた最初の低電力、高性能の光子チップを成功裏に作成したということで、これは持続可能性とスケーラビリティの点で大きな飛躍を表します。これらの要因は、将来、より強力なアルゴリズムに直接翻訳される可能性があります。

クラウドサービス

これらのチップは、データセンターに最初に導入されるでしょう。これらの大規模な施設は、今日のテクノロジー革命の核心です。クラウドサービスでは、大規模な施設が必要で、そこには数千のコンピューターが配置され、クライアントにストレージと計算能力を提供するために他の場所に接続できます。

光を利用したチップは、これらの場所のオーバーヘッドとエネルギー要求を削減し、最小限のエネルギー要求で高パフォーマンスのAIの新しい時代を導入します。エネルギー節約は非常に大きいため、チップが利用可能になると、多くのデータセンターが光子チップベースのシステムに切り替えることが予想されます。

通信

このテクノロジーは、最後の1マイルの問題などの重要な問題を解決することで、通信を強化するのに役立ちます。すでに、エンジニアはデータ伝送システムを改善するためにAIを統合しています。現在、これらのコンポーネントは、エネルギーを使用せずに、並列に接続および実行できるようになり、処理能力をさらに強化します。

高性能コンピューティング

このテクノロジーは、将来の高性能コンピューターを動かすのに役立ちます。これらのデバイスでは、AIとともに、顔認識や言語翻訳などの他のテクノロジーを統合して、人間とコンピューターのやり取りを改善します。目標は、コンピューティングをより強力にし、新しいユーザーにとってよりわかりやすくすることです。

軍事

軍隊はすでにこのテクノロジーに注目しています。AIシステムへの依存は、脅威の検出から争奪空間を横切ってドローンを操縦するまで、通常のものとなっています。したがって、これらのシステムは、敵と戦うために継続的にアップグレードされる必要があります。光を利用したチップは、AIシステムの電力要求を削減することで、革新の扉を開きます。例えば、通信を必要とせずに機能する、ネイティブベースのシステムなどです。

医療

AIは医療部門を革命しています。今日、疾患を検出する、回復を支援する、治療を推奨する、手術を実行するなど、AIシステムが使用されています。この強化されたチップの設計は、医療部品をより安全で効率的であることによって命を救う可能性があります。将来のデバイスでは、より少ないエネルギーを使用して動作し、より便利な機能を提供できる可能性があります。

ウェアラブル

ウェアラブルは、光ベースのチップを統合することで大きなパフォーマンスブーストを経験することになる別の業界です。これらのチップにより、デザイナーはデバイスをより小さく、より優れたものにし、バッテリーの要件を減らすことができます。エネルギーを使用するウェアラブルは、より小さなバッテリーまたは追加の機能を備えることができます。これにより、より便利なものになります。

タイムライン

光を利用したチップが市場に出るまでには、さらに3〜5年かかる可能性があります。製品の需要は大きいですが、チームはまだ設計と製造方法を洗練するために工業パートナーを探す必要があります。遅延にかかわらず、需要は天井知らずです。AI企業は、このプロジェクトに多大な利益が見込まれるため、多大な投資を行う可能性があります。

光を利用したチップの研究者

光を利用したチップの研究は、フロリダ大学で実施され、フロリダ半導体研究所、UCLA、ジョージワシントン大学の参加者がいます。論文では、Hangbo Yang、Nicola Peserico、Shurui Li、Xiaoxuan Ma、Russell L. T. Schwartz、Mostafa Hosseini、Aydin Babakhani、Chee Wei Wong、Puneet Gupta、Volker J. Sorgerを主要な貢献者として挙げています。注目に値するのは、この研究は海軍研究事務局の資金提供を受けたものです。

光を利用したチップの将来

光を利用したチップの将来は明るいです。将来的には、チップベースの光学の扉が開かれる可能性があります。このアプローチは、将来、AIアプリケーションの業界標準となる可能性があり、AI業界が環境要件に沿ったものになることを可能にします。

人工知能への投資

次世代のAI機能を進化させることに貢献している企業は数多くあります。これらの企業には、チップメーカーからAIアルゴリズム開発者まで、多様な分野があります。彼らの仕事は、イノベーションとAIアプリケーションの認識を推進し続けています。ここでは、AIの最大の課題を解決するために創造性と献身を証明した企業の1つを紹介します。

NVIDIA

シリコンバレーを拠点とするNVIDIAは、1993年に市場に参入しました。同社は、Jensen Huang、Chris Malachowsky、Curtis Priemによって、高性能のグラフィックス処理ユニットを市場に提供するために設立されました。今日では、GPUのトッププロバイダーであり、最も革新的なAI企業の1つとして認識されています。

NVIDIAは常に革新的な精神を持っています。1995年にNV1グラフィックスアクセラレータを発売して以来、同社は消費者と投資家の支持を獲得してきました。1999年、同社は公開会社となりました。1年以内に、XBOXゲームシステムのグラフィックスチップサプライヤーとしてマイクロソフトと戦略的なパートナーシップを結びました。

2019年、NVIDIAはMellanoxを買収し、データセンター部門での市場シェアを拡大するための戦略の一環としています。今日では、データセンターサービスプロバイダーの市場で支配的な地位を占め、最も信頼性の高いグラフィックスカードとAIシステムの1つを提供しています。

最新のNVDA (NVDA) 株式ニュースとパフォーマンス

光を利用したチップ | 結論

光を利用したチップの研究は、パフォーマンスを追加してもエネルギー要求が常に追加されるとは限らない、より持続可能な将来の扉を開きます。光を利用したチップは、エンジニアに、AIレベルの計算を実行するためのより優れた方法を示しています。エネルギーを大量に消費することなく、計算を実行します。

その他のクールなAIテクノロジーについては、こちらをご覧ください。

参考文献:

^{1. Hangbo Yang, Nicola Peserico, Shurui Li, Xiaoxuan Ma, Russell L. T. Schwartz, Mostafa Hosseini, Aydin Babakhani, Chee Wei Wong, Puneet Gupta, Volker J. Sorger. 近エネルギー無料の光子フーリエ変換による畳み込み演算の加速. Advanced Photonics, 2025; 7 (05) DOI: 10.1117/1.AP.7.5.056007}